HIM-PPO

HIM-PPO 有自己的配置组和脚本。入口是 scripts/train_him_ppo.py，基础配置是 conf/ppo_him/config.yaml，已提交的 task owner 是 conf/ppo_him/task/go2_arm_manip_loco/mujoco.yaml。

当前入口

src/unilab/cli.py 目前通过顶层的 uv run train CLI 暴露了 1-ppo、8-mlx_ppo、 2-appo、3-sac、4-td3 和 flashsac。HIM-PPO 由 scripts/train_him_ppo.py 实现，但它尚未拥有顶层的 --algo 路由。

Owner 细节

Go2 机械臂 owner 从基础配置中填充所需的历史维度：

  • algo.num_one_step_obs=76

  • algo.num_actor_history=5

  • algo.num_critic_history=1

  • training.task_name=Go2ArmManipLoco

一旦有可用的检查点，回放将使用相同的 HIM-PPO 实现入口。请将面向用户的 PPO 示例保 持在受支持的顶层 CLI 形式上；仅在调试该专用技术栈时才使用 HIM-PPO 脚本路径。

HIM-PPO 不是默认的 PPO 路径；请将其用于明确选择 HIM-PPO 配置组的 Go2 机械臂 manip-loco owner。