任务 owner config 契约

任务 owner YAML 是一条已 compose 的 任务/backend/算法 路径的身份。该契约记录在 ADR-0003 Task Owner And Config Compose Contract。

Owner 路径

  • PPO 与 APPO 的 owner YAML 使用 conf/{ppo,appo}/task/<task>/<backend>.yaml。

  • MLX PPO 从 conf/ppo/config_mlx.yaml compose，并复用 PPO 任务 owner YAML 的 布局。

  • Off-policy owner YAML 多出算法这一维度： conf/offpolicy/task/<algo>/<task>/<backend>.yaml。

  • 其他已有的 config 根目录，例如 conf/ppo_him/ 与 conf/hora_distill/，对其 所支持的任务遵循相同的 owner YAML 身份规则。

必需语义

  • 使用对外的 CLI flag 切换 backend，例如 uv run train --algo ppo --task go2_joystick_flat --sim mujoco 或 uv run train --algo ppo --task go2_joystick_flat --sim motrix。

  • 对于 off-policy 入口，保持 --algo <algo> 与内部 owner YAML 路径 conf/offpolicy/task/<algo>/<task>/<backend>.yaml 对齐。

  • training.sim_backend 是所选 owner YAML 内部的身份字段，而不是一个独立的 backend 切换开关。

  • 与 backend 相关的 reward、env、scene 与算法差异属于 owner YAML，而不是训练 脚本。

  • 当任务使用奖励时，reward config 必须由 owner YAML 显式注入。

仓库中的证据

  • PPO owner 示例：conf/ppo/task/go2_joystick_flat/mujoco.yaml

  • APPO config 根目录：conf/appo/config.yaml

  • Off-policy config 根目录：conf/offpolicy/config.yaml

  • Off-policy task/algo guard：src/unilab/training/common.py

  • Config 测试：tests/config/test_config_system.py、 tests/scripts/test_train_script_configs.py、 tests/envs/locomotion/g1/test_issue175_regression.py