HabitatEnv¶

torchrl.envs.HabitatEnv(*args, **kwargs)[source]¶

Habitat 环境的包装器。

此类目前仅作为占位符和兼容性保障。它的行为与 GymEnv 包装器完全相同。

参数:

env_name (str) – 要执行的环境。
categorical_action_encoding (bool, optional) – 如果为 True，则类别规范将转换为 TorchRL 的等效项（torchrl.data.Categorical），否则将使用独热编码（torchrl.data.OneHot）。默认为 False。

关键字参数:

from_pixels (bool, optional) – 如果为 True，将尝试从 env 返回像素观察。默认情况下，这些观察将写入 "pixels" 条目。所使用的方法因 gym 版本而异，可能涉及 wrappers.pixel_observation.PixelObservationWrapper。默认为 False。
pixels_only (bool, optional) – 如果为 True，则只返回像素观察（默认情况下在输出 tensordict 的 "pixels" 条目下）。如果为 False，则当 from_pixels=True 时，将返回观察（例如，状态）和像素。默认为 True。
frame_skip (int, optional) – 如果提供，表示应重复相同的动作多少个步骤。返回的观察将是该序列的最后一个观察，而奖励将是跨步骤的奖励总和。
device (torch.device, optional) – 如果提供，则模拟将在哪个设备上发生。默认为 torch.device("cuda:0")。
batch_size (torch.Size, optional) – 环境的批次大小。应与所有观察、完成状态、奖励、动作和信息的前导维度匹配。默认为 torch.Size([])。
allow_done_after_reset (bool, optional) – 如果为 True，则允许在调用 reset() 后立即将 env 设为 done。默认为 False。

变量:

available_envs (List[str]) – 要构建的环境列表。

示例

>>> from torchrl.envs import HabitatEnv
>>> env = HabitatEnv("HabitatRenderPick-v0", from_pixels=True)
>>> env.rollout(3)

文档