DMControlWrapper

torchrl.envs.DMControlWrapper(*args, **kwargs)

DeepMind Control 实验室环境包装器。

DeepMind 控制库可在此处找到：https://github.com/deepmind/dm_control。

论文：https://arxiv.org/abs/2006.12983

参数：

env (dm_control.suite env) – Task 环境实例。

关键字参数：

• from_pixels (bool, 可选) – 如果 True，则会尝试从 env 返回像素观察结果。默认情况下，这些观察结果将写入 "pixels" 条目下。默认为 False。

• pixels_only (bool, 可选) – 如果 True，则仅返回像素观察结果（默认情况下在输出 tensordict 中的 "pixels" 条目下）。如果 False，则在 from_pixels=True 时返回观察结果（例如，状态）和像素。默认为 True。

• frame_skip (int, 可选) – 如果提供，则指示要重复相同操作的步数。返回的观察结果将是序列的最后一个观察结果，而奖励将是跨步奖励的总和。

• device (torch.device, 可选) – 如果提供，则数据要转换到的设备。默认为 torch.device("cpu")。

• batch_size (torch.Size, 可选) – 环境的批次大小。应与所有观察结果、完成状态、奖励、操作和信息的领先维度匹配。默认为 torch.Size([])。

• allow_done_after_reset (bool, 可选) – 如果 True，则允许在调用 reset() 后，env 处于 done 状态。默认为 False。

变量：

available_envs (list) – 一个 Tuple[str, List[str]] 列表，表示可用的环境/任务对。

示例

>>> from dm_control import suite
>>> from torchrl.envs import DMControlWrapper
>>> env = suite.load("cheetah", "run")
>>> env = DMControlWrapper(env,
...    from_pixels=True, frame_skip=4)
>>> td = env.rand_step()
>>> print(td)
TensorDict(
    fields={
        action: Tensor(shape=torch.Size([6]), device=cpu, dtype=torch.float64, is_shared=False),
        next: TensorDict(
            fields={
                done: Tensor(shape=torch.Size([1]), device=cpu, dtype=torch.bool, is_shared=False),
                pixels: Tensor(shape=torch.Size([240, 320, 3]), device=cpu, dtype=torch.uint8, is_shared=False),
                position: Tensor(shape=torch.Size([8]), device=cpu, dtype=torch.float64, is_shared=False),
                reward: Tensor(shape=torch.Size([1]), device=cpu, dtype=torch.float64, is_shared=False),
                terminated: Tensor(shape=torch.Size([1]), device=cpu, dtype=torch.bool, is_shared=False),
                truncated: Tensor(shape=torch.Size([1]), device=cpu, dtype=torch.bool, is_shared=False),
                velocity: Tensor(shape=torch.Size([9]), device=cpu, dtype=torch.float64, is_shared=False)},
            batch_size=torch.Size([]),
            device=cpu,
            is_shared=False)},
    batch_size=torch.Size([]),
    device=cpu,
    is_shared=False)
>>> print(env.available_envs)
[('acrobot', ['swingup', 'swingup_sparse']), ('ball_in_cup', ['catch']), ('cartpole', ['balance', 'balance_sparse', 'swingup', 'swingup_sparse', 'three_poles', 'two_poles']), ('cheetah', ['run']), ('finger', ['spin', 'turn_easy', 'turn_hard']), ('fish', ['upright', 'swim']), ('hopper', ['stand', 'hop']), ('humanoid', ['stand', 'walk', 'run', 'run_pure_state']), ('manipulator', ['bring_ball', 'bring_peg', 'insert_ball', 'insert_peg']), ('pendulum', ['swingup']), ('point_mass', ['easy', 'hard']), ('reacher', ['easy', 'hard']), ('swimmer', ['swimmer6', 'swimmer15']), ('walker', ['stand', 'walk', 'run']), ('dog', ['fetch', 'run', 'stand', 'trot', 'walk']), ('humanoid_CMU', ['run', 'stand', 'walk']), ('lqr', ['lqr_2_1', 'lqr_6_2']), ('quadruped', ['escape', 'fetch', 'run', 'walk']), ('stacker', ['stack_2', 'stack_4'])]