LeRobot documentation
环境
环境
模拟环境通过 EnvConfig 进行配置，并由 make_env 构建。每个子类都声明其 gym_kwargs 以及如何构建向量化环境。
请参阅 来自 Hub 的环境 以了解如何使用已发布的环境，并参阅 添加新基准 以了解如何贡献一个。
EnvConfig
类 lerobot.envs.EnvConfig
< source >( task: str | None = Nonefps: int = 30features: dict[str, PolicyFeature] = <factory>features_map: dict[str, str] = <factory>max_parallel_tasks: int = 1disable_env_checker: bool = Trueserver: EnvClientConfig | None = None )
create_env
< source >( task_group: str | None = Nonetask_id: int | None = Nonen_envs: int = 1use_async_envs: bool = False )
为每个任务创建一个本地或托管的向量环境；未指定 task_id 时，默认使用套件中的第一个任务。
创建本地或已部署的向量环境，格式为 {suite: {task_id: env}}。
返回此环境的 (preprocessor, postprocessor)。默认值：identity。
返回 sim_settings()，其中包含模拟的默认值，与本地环境和环境服务器运行时的设置一致。
返回模拟设置，类似于服务器 YAML 中的 sim 部分；缺失的设置将使用模拟默认值。
默认使用带有 gym_kwargs 和增量动作的 Gymnasium 环境 gym_id；否则请覆盖此设置。
make_env
lerobot.envs.make_env
< source >( cfg: EnvConfig | strn_envs: int = 1use_async_envs: bool = Falsehub_cache_dir: str | None = Nonetrust_remote_code: bool = False ) → dict[str, dict[int, gym.vector.VectorEnv]]
参数
- cfg (
EnvConfig | str) — 环境配置，或 Hugging Face Hub 仓库 ID（例如"username/repo"），其env.py用于构建环境。 - n_envs (
int，可选，默认为1) — 每个向量环境中的环境数量。 - use_async_envs (
bool，可选，默认为False) — 在各自独立的工作进程中运行每个环境。 - hub_cache_dir (
str, 可选) — 用于缓存下载的env.py的文件夹。仅在提供仓库 ID 时使用。 - trust_remote_code (
bool，可选，默认为False) — 同意运行 Hub 仓库的代码，使用仓库 ID 或 EnvHub 配置时需要此设置。
返回值
dict[str, dict[int, gym.vector.VectorEnv]]
向量环境，格式为 {suite: {task_id: env}}。单任务环境只有一个 suite，其任务 ID 为 0。
引发
ValueError 或 RuntimeError 或 ModuleNotFoundError
ValueError— 如果n_envs小于 1。RuntimeError— 如果 Hub 仓库的代码可以在不使用trust_remote_code的情况下运行。ModuleNotFoundError— 如果模拟器未安装，或者仓库的env.py所需的某个包未安装。
构建配置或 Hub 仓库的 make_env 的向量环境。