从 skrl 迁移

skrl 的强项在于算法广度。UniLab 专注于一组精选算法（PPO、SAC、TD3，以及若干 优化变体），但增加了一条真实硬件部署路径。

把 skrl 概念映射到 UniLab

skrl

UniLab

Agent（PPO、SAC……）

unilab.algos.torch.*

RolloutMemory

unilab.ipc.rollout_ring_buffer

ReplayMemory

unilab.ipc.replay_buffer

Trainer

unilab.training.run

用于 env 的 Wrapper

继承 NpEnv

应当预期什么

  • 对于小众算法（CQL、IQL 等）没有算法对等 —— UniLab 有意专注于少数几个 高度优化的 actor-critic 变体。

  • 不同的 runner 生命周期。 skrl 那种单体式 trainer，变成了由共享内存连接的 collector + learner 组合。参见 Runner 生命周期。

  • 不同的 env 接口。 skrl 容忍多种 env 风格。UniLab 坚持要求 NpEnv + dict obs。

迁移清单

  1. 决定哪个 UniLab 算法最匹配你的 skrl agent。

  2. 把 env 移植为 NpEnv 形式。

  3. 把超参数 YAML 转换为 conf/<algo>/<task>/ 下的 Hydra 组。

  4. 验证 reward 一致性。