Hydra 配置

UniLab 使用基于 task owner YAML 的 Hydra 组合。owner YAML 是 task、backend、 reward、scene 以及 task 专属运行时字段的身份标识。

Owner 路径

技术栈

Owner YAML 形式

PPO

conf/ppo/task/<task>/<backend>.yaml

MLX PPO

conf/ppo/task/<task>/<backend>.yaml，搭配 conf/ppo/config_mlx.yaml

APPO

conf/appo/task/<task>/<backend>.yaml

SAC / TD3 / FlashSAC

conf/offpolicy/task/<algo>/<task>/<backend>.yaml

HIM-PPO

conf/ppo_him/task/<task>/<backend>.yaml

HORA 蒸馏

conf/hora_distill/task/<task>/<backend>.yaml

示例：

uv run train --algo ppo --task go2_joystick_flat --sim mujoco
uv run train --algo ppo --task go2_joystick_flat --sim motrix
uv run train --algo sac --task g1_walk_flat --sim mujoco

对于 off-policy，--algo 选择 conf/offpolicy/task/<algo>/ 下 owner 路径的第一 个分段；不要在 --task 中包含算法名称。

安全的 Override

Hydra override 可以调整所选 owner 路径内部的字段：

uv run train --algo ppo --task go2_joystick_flat --sim mujoco \
  algo.max_iterations=10 \
  algo.num_envs=128 \
  training.no_play=true

常用字段：

  • algo.max_iterations

  • algo.num_envs

  • algo.load_run

  • algo.seed

  • training.no_play

  • training.play_only

  • training.play_render_mode

  • training.logger

查看完整 compose 结果

调试组合时，可在命令末尾追加 --cfg job，打印完整组合后的配置而不真正运行训练：

uv run train --algo ppo --task go2_joystick_flat --sim mujoco --cfg job

后端身份

training.sim_backend 是由所选 owner YAML 设置的身份字段。它不是一个独立的后端切 换开关。请使用统一 CLI 的 --sim flag 来选择后端。

参见 任务 owner config 契约 中的开发者 contract。