灵巧手内操作

本页介绍已提交的 Allegro 和 Sharpa 手内操作路径。通过 --task 和 --sim 选择后端；不要单独覆盖 training.sim_backend。owner YAML 始终是哪些组合被配置的内部证据。

Allegro

Allegro 旋转使用已注册的 env AllegroInhandRotation。旋转 owner 是 allegro_inhand，抓取缓存生成使用 allegro_inhand_grasp。

Owner 证据：

  • conf/ppo/task/allegro_inhand/mujoco.yaml

  • conf/ppo/task/allegro_inhand/motrix.yaml

  • conf/ppo/task/allegro_inhand_grasp/mujoco.yaml

  • conf/ppo/task/allegro_inhand_grasp/motrix.yaml

  • conf/appo/task/allegro_inhand/mujoco.yaml

  • conf/appo/task/allegro_inhand/motrix.yaml

典型流程分两个阶段：先生成抓取缓存，然后训练旋转策略。

uv run train --algo ppo --task allegro_inhand_grasp --sim mujoco training.no_play=true
uv run train --algo ppo --task allegro_inhand --sim mujoco training.no_play=true

PPO Allegro 路径也存在 Motrix owner YAML：

uv run train --algo ppo --task allegro_inhand_grasp --sim motrix training.no_play=true
uv run train --algo ppo --task allegro_inhand --sim motrix training.no_play=true

旋转 owner 默认使用 caches/allegro_grasp_50k.npy 处的抓取缓存。要使用自定义缓存，override env.grasp_cache_path：

uv run train --algo ppo --task allegro_inhand --sim mujoco \
  env.grasp_cache_path=caches/my_allegro_grasp.npy

用 eval 回放已训练的 checkpoint（--load-run -1 取最新的 run）：

uv run eval --algo ppo --task allegro_inhand --sim mujoco --load-run -1
uv run eval --algo appo --task allegro_inhand --sim mujoco --load-run -1

Sharpa

Sharpa 旋转使用已注册的 env SharpaInhandRotation。当前已提交的训练路径是 MuJoCo owner 路径。

Owner 证据：

  • conf/ppo/task/sharpa_inhand/mujoco.yaml

  • conf/ppo/task/sharpa_inhand/mujoco_hora.yaml

  • conf/ppo/task/sharpa_inhand_grasp/mujoco.yaml

  • conf/appo/task/sharpa_inhand/mujoco.yaml

  • conf/appo/task/sharpa_inhand/mujoco_hora.yaml

  • conf/hora_distill/task/sharpa_inhand/mujoco.yaml

完整 HORA 流程分三个阶段：

  1. 生成 grasp cache。

  2. 训练 teacher policy。

  3. 需要时再蒸馏出 student policy。

完整 HORA teacher / student 流程以 MuJoCo owner 为主。Motrix 路径当前只承担 phase-1 PPO rotation 和 grasp cache 采集，不是完整 HORA 能力等价路径。

Grasp cache 与 scale

默认 cache 托管在 Hugging Face (unilabsim/unilab-caches)，首次训练时自动下载到 src/unilab/assets/caches/，无需手动操作。

如需为 HF 上没有的自定义 scale 采集 cache，或在本地重新生成，可按每个 scale 分别运行 grasp 任务（cache 文件命名为 <prefix>_<scale>.npy）。生成的文件会落到 src/unilab/assets/caches/，与 HF 下载位置一致，后续训练能直接命中，无需额外配置；但重新生成耗时较长。

辅助脚本会按顺序采集每个 scale：

bash scripts/sharpa_collect_grasps.sh 0.8 1.0 1.2

等价的逐 scale 调用：uv run train --algo ppo --task sharpa_inhand_grasp --sim mujoco 'env.domain_rand.scale_list=[0.8]' training.no_play=true（对 [1.0]、[1.2] 等同理重复）。

Motrix 也可以采集 grasp cache（仅 phase-1 范围）：

uv run train --algo ppo --task sharpa_inhand_grasp --sim motrix \
  'env.domain_rand.scale_list=[1.0]' \
  env.grasp_collection_target=1000 \
  training.no_play=true

要使用自定义 cache 前缀，override env.grasp_cache_path：

uv run train --algo ppo --task sharpa_inhand --sim mujoco \
  env.grasp_cache_path=caches/my_sharpa_grasp_cache

Teacher 与 student

用 hora profile 训练 HORA teacher（PPO 或 APPO）：

uv run train --algo ppo --task sharpa_inhand --sim mujoco --profile hora training.no_play=true
uv run train --algo appo --task sharpa_inhand --sim mujoco --profile hora training.no_play=true

用 eval --profile hora --load-run -1 回放 teacher run：

uv run eval --algo ppo --task sharpa_inhand --sim mujoco --profile hora --load-run -1
uv run eval --algo appo --task sharpa_inhand --sim mujoco --profile hora --load-run -1

Student 蒸馏由 conf/hora_distill/task/sharpa_inhand/mujoco.yaml 配置，由 scripts/train_hora_distill.py 实现；顶层 CLI 目前没有暴露单独的 HORA 蒸馏路由（不在 CLI SUPPORTED_ALGOS 中）。需要从 APPO teacher 蒸馏时，在该低层配置中设置 teacher.algo_family=appo。

常见日志目录：

  • logs/hora_ppo/SharpaInhandRotation/

  • logs/hora_appo/SharpaInhandRotation/

  • logs/hora_distill/SharpaInhandRotation/

这里的 scale / grasp cache / DR 边界比较敏感；生命周期规则参见 域随机化。

关于分类级别的任务页面，参见 操作。