跳转至

Libero 环境

通过可选依赖在 plugrl-env-client 中运行 Libero。

安装

LIBERO 跑在 robosuite 1.4.1 上，而 robosuite 1.4.1 需要 MuJoCo 2.3.7：换成 MuJoCo 3 会在 robosuite 1.4.1 的关节类型断言上失败。mujoco-v1 和其他 Gymnasium 家族按 MuJoCo 3 来用。所以给 LIBERO 单独一个环境，比如再 clone 一份 env client。 robomimic-v1 用的是同一套 MuJoCo 2.3.7 / robosuite 1.4.1，也要同样分开。

git clone https://github.com/PlugRL/plugrl-env-client.git plugrl-env-client-libero
cd plugrl-env-client-libero
uv sync --extra libero
uv run python -c "import mujoco, robosuite; print(mujoco.__version__, robosuite.__version__)"

最后一行应该打印 2.3.7 1.4.1。下面的命令都在这份 clone 里运行。

快速开始

查看可配置项。

uv run plugrl-run-env-client libero-v1 --help

跑几个 episode。

uv run plugrl-run-env-client libero-v1 --num-episodes 10 --server-host 127.0.0.1 --server-port 8000

E11 是怎么跑的

E11 通过一个 PlugRL server 在 LIBERO 上评测 pi05_libero checkpoint：一个任务一个 客户端进程，十个任务同时跑，每个任务的初始状态按顺序取，而不是随机采样。

uv run plugrl-run-env-client libero-v1 \
  --server-host 127.0.0.1 --server-port 8000 \
  --num-envs 1 --num-procs 10 --num-episodes 10 \
  --env.task-suite-name libero_spatial \
  --env.no-randomize-initial-state \
  --runner.pass-proc-id \
  --runner.replan-steps 5 \
  --runner.seed 7 \
  --recorder.no-thread0-only \
  --exp-name my_eval
  • --runner.pass-proc-id 让第 i 个进程跑第 i 个任务，十个进程正好覆盖十任务 套件；此时 --num-episodes 是每个任务的回合数，不是总数。若想固定跑单个 任务——微调那几次就是这么做的——去掉该 flag，改传 --env.task-id 8 --env.randomize-initial-state。
  • --recorder.no-thread0-only 让每个进程都写出自己的 summary.json。不加它就只有 0 号进程上报，事后无法还原逐任务成功率。
  • 渲染走 EGL，客户端环境里需要 MUJOCO_GL=egl 与 PYOPENGL_PLATFORM=egl。它渲染 在哪块 GPU 上由 EGL 自己的设备顺序决定，不一定与 CUDA_VISIBLE_DEVICES 一致。
  • LIBERO 会写自己的配置文件，首次运行前把 LIBERO_CONFIG_PATH 指到可写目录。

协议、结果，以及两个进程各自被记录下来的环境： E11。

验证

  • env client 能创建 Libero 环境
  • episode 能正常跑完

常见问题

  • 多进程初始化冲突：可尝试 --runner.use-env-lock。

下一步