算法

算法页面描述每个内置入口运行的内容、其配置所在位置，以及用哪种命令形式来选择它。 关于通用 flag，请参见 CLI 参考。

算法

类型

入口

配置证据

PPO

同步 on-policy

src/unilab/scripts/train_rsl_rl.py

src/unilab/conf/ppo/config.yaml

APPO

异步 on-policy

src/unilab/scripts/train_appo.py

src/unilab/conf/appo/config.yaml

SAC

off-policy

src/unilab/scripts/train_sac.py

src/unilab/conf/sac/config.yaml

FlashSAC

off-policy

src/unilab/scripts/train_flashsac.py

src/unilab/conf/flashsac/config.yaml

选择名与日志名是有意区分的：--algo flashsac 组合 algo.algo=flashsac，记录 algo.algo_log_name=flash_sac，并从 unilab.rl.algos.flash_sac 导入实现。--algo ppo 保持 algo.algo=ppo，记录 algo.algo_log_name=rsl_rl_ppo，并直接委托上游 RSL-RL。PPO 的 algo.obs_groups 是单一 policy group 的列表；APPO、SAC 与 FlashSAC 使用 mapping，以便 policy/critic group 可以不同。