ONNX 运行时

UniLab 从既有的训练回放路径导出 ONNX 策略。使用产出该检查点的同一算法家族与任务 owner；回放代码加载检查点、导出 policy.onnx，并在该路径实现了 ONNX Runtime 检查时 校验所导出的计算图。

导出路径

算法路径

入口脚本

仓库中的导出行为

PPO（torch）

scripts/train_rsl_rl.py

脚本入口处 EXPORT_POLICY=True；回放调用 runner.export_policy_to_onnx(...) 与 runner.export_policy_to_jit(...)。

HIM-PPO

scripts/train_him_ppo.py

与 PPO 相同的脚本级导出模式。

APPO

scripts/train_appo.py

回放写出 policy.onnx 并将 ONNX Runtime 输出与 PyTorch 比对校验。

SAC / TD3 / FlashSAC

scripts/train_offpolicy.py

回放写出 policy.onnx；SAC 与 FlashSAC 在导出前使用 actor.as_export_module()。

MLX PPO

scripts/train_mlx_ppo.py

回放将 MLX actor 权重转换为 PyTorch 模块，写出 policy.onnx，并校验 ONNX Runtime 输出。

命令

uv run eval --algo ppo --task go2_joystick_flat --sim mujoco --load-run -1

uv run eval --algo appo --task g1_motion_tracking --sim motrix --load-run -1

uv run eval --algo sac --task g1_walk_flat --sim mujoco --load-run -1

uv run eval 设置回放模式，并把 --load-run 映射到所路由训练脚本使用的检查点 选择器。导出的文件会写入所选的运行目录。对于部署原型，请把导出的 policy.onnx 与 运行时所用的部署侧配置和运动资产放在一起。

G1 部署原型

已提交的 G1 WBT 部署辅助工具使用如下产物：

产物

生产者

policy.onnx

上述训练回放导出。

deploy_config.yaml

scripts/deploy/export_deploy_config.py。

dance1.bin 或其他运动二进制

scripts/deploy/export_motion_bin.py。

验证运行示例：

uv run scripts/deploy/export_deploy_config.py \
  --output logs/deploy/deploy_config.yaml

uv run scripts/deploy/export_motion_bin.py \
  --output logs/deploy/dance1.bin

uv run scripts/deploy/sim_prototype.py \
  --onnx runs/<run>/policy.onnx \
  --config logs/deploy/deploy_config.yaml \
  --motion logs/deploy/dance1.bin

scripts/deploy/sim_prototype.py 会检查 ONNX 输入宽度是否与 deploy_config.yaml 中的 obs_dim 匹配，然后用部署侧期望的同一观测布局在 MuJoCo 中驱动策略。

ANE / Core ML 说明

仓库中包含实验性的 Core ML / Apple Neural Engine 辅助工具，位于 src/unilab/algos/torch/common/ane_actor.py、 src/unilab/algos/torch/common/ane_wrapper.py 与 src/unilab/algos/torch/common/ane_inference.py。上文记录的部署路径仍然沿用训练脚本中 已提交的 ONNX 导出行为。

另请参阅