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

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

APPO

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

SAC / FlashSAC

src/unilab/conf/<algo>/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 mujoco
uv run train --algo sac --task g1_walk_flat --sim mujoco

对于 off-policy，--algo 选择按算法划分的配置树 src/unilab/conf/<algo>/；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.tf32_matmul（仅 PPO 与 APPO owner config 提供）

  • training.play_only

  • training.play_render_mode

  • training.logger

training.tf32_matmul 控制 learner 上 float32 矩阵乘使用的后端。ieee （默认）保持全精度 FP32；tf32 启用 TF32 tensor-core kernel，并在 macOS/MPS、 ROCm/HIP、pre-Ampere CUDA GPU（compute capability < 7.0）与 CPU 上自动回退为 IEEE。解析结果与回退原因会写入 run_config.json 与 run_summary.json。该键 只存在于 PPO 与 APPO owner config：收益来自它们的 FP32 更新路径；SAC 家族的 主要 matmul 已经由 bf16 AMP 接管，#2477 实测 TF32 在该路径为噪声级。

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。