FlashSAC

FlashSAC 是共享 off-policy 入口上的第三个算法。使用 --algo flashsac 选择它；默认 值位于 conf/offpolicy/algo/flashsac.yaml，实现位于 src/unilab/algos/torch/flash_sac/ 下。

它与 SAC、TD3 共用 off-policy 训练脚本，但默认网络并不相同：actor 使用 block-based 结构，critic 使用 distributional（categorical）Q 变体。

快速开始

uv run train --algo flashsac --task g1_walk_flat --sim mujoco
uv run train --algo flashsac --task go2_joystick_flat --sim mujoco training.no_play=true

关键字段

对于 off-policy 回放路径（scripts/train_offpolicy.py / CLI --algo flashsac），设 置 training.export_onnx=false 可在仍然录制回放视频的同时跳过 policy.onnx 导出。 参见 评估与回放。

  • algo.algo_log_name=flash_sac

  • algo.num_envs=1024

  • algo.max_iterations=5000

  • algo.tau=0.01

  • algo.save_interval=1000

  • algo.algo_params.actor_num_blocks=2

  • algo.algo_params.critic_num_blocks=2

scripts/train_offpolicy.py 会拒绝 FlashSAC 的 training.num_gpus > 1，因此除非实 现发生变化，否则请保持默认的单 GPU 路径。

日志根目录为 logs/flash_sac/<task>/。