策略

策略运行在 server 侧，与算法一起通过 Tyro CLI 选择。

快速开始

plugrl-run-server dummy-policy default dummy default
plugrl-run-server dppo-policy default dppo hopper

验证

确认策略 UID 能在 CLI 里看到。

plugrl-run-server --help

内置策略

• dummy-policy：随机动作，用于协议联通性验证
• dppo-policy：DPPO diffusion 策略
• fpo-policy：FPO flow matching 策略，快速上手那条命令用的就是它
• pi0-policy：OpenPI 策略，需要 checkpoint 路径

OpenPI 示例。pi0-policy 是流策略，因此与 fpo 或 eval 搭配， 不能与 dppo 搭配——后者要的是 diffusion 策略。

plugrl-run-server pi0-policy default eval default \
  --policy.name pi05_libero \
  --policy.checkpoint-path /path/to/checkpoint \
  --policy.device cuda

常见问题

• CLI 找不到 UID：注册模块没有被 import。
• OpenPI import 失败：按 server 仓库里的 OpenPI README 完成本地依赖。

下一步

• 自定义策略
• DPPO 策略