HabitatEnv¶

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

Habitat 环境的包装器。

此类目前充当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, 可选) – 如果 True，则分类规范将转换为 TorchRL 等效项 (torchrl.data.DiscreteTensorSpec)，否则将使用独热编码 (torchrl.data.OneHotTensorSpec)。默认为 False。

关键字参数：

from_pixels (bool, 可选) – 如果 True，则将尝试从环境中返回像素观察结果。默认情况下，这些观察结果将在 "pixels" 条目下写入。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, 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，而奖励将是跨步的奖励总和。
device (torch.device, 可选) – 如果提供，则模拟发生的设备。默认为 torch.device("cuda:0")。
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、动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，则允许环境在调用 reset() 后立即为 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