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）

src/unilab/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(...)。

APPO

src/unilab/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

src/unilab/scripts/train_sac.py / src/unilab/scripts/train_td3.py / src/unilab/scripts/train_flashsac.py

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

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。用于部署时，请把导出的 policy.onnx 与训练 它所用的任务 owner YAML 放在一起——该 YAML 是运行时必须复现的观测与动作契约的权威 来源。

校验导出的计算图

回放路径在写出之前会把导出的计算图与 PyTorch 比对，因此导出成功本身已经建立了数值 一致性。它没有建立的是：你的硬件侧回路装配出的输入向量是否相同。在硬件上机前：

  • 从 composed config 读取 actor 观测宽度（而不是照抄文档表格），确认它与 ONNX 输入宽度一致。

  • 对照 owner 的 env.observations.actor.terms 确认分项顺序与逐项历史顺序。G1 全身跟踪见 硬件上的 G1 全身运动跟踪。

另请参阅