踩坑GitHub huggingface/lerobot3 天前
LIBERO评测初始状态索引因reset耦合导致配对失效
本文由 AI 根据公开内容整理,可能有误,请以原文为准:LIBERO evaluation: initial-state sequence depends on policy termination timing, via
LiberoEnv.step()'s internal reset plusNEXT_STEPvector autoreset(GitHub huggingface/lerobot #4152)
状态:有绕过办法
问题
在src/lerobot/envs/libero.py中,LiberoEnv.reset()每次调用均递增init_state_id。当episode结束时step()触发内部reset,叠加向量环境NEXT_STEP模式的自动reset,导致同一slot被重置两次。初始状态序列变为策略成功时机与终止频率的函数,而非仅取决于episode编号。
环境
LeRobot框架,LIBERO-Plus向量环境,libero_spatial任务,n_envs=2,_reset_stride=2
解决办法
- 停止在
LiberoEnv.reset()内部维护或递增init_state_id计数器,解除环境对重置次数的隐式依赖。 - 修改评测Harness逻辑,使其根据当前评估的rollout和episode编号显式计算目标初始状态索引。
- 通过
env.reset(options={'init_state_id': target_id})将计算好的索引作为参数传入环境,确保环境成为评测请求的纯函数。 - 添加回归测试:使用相同配置但强制不同的成功模式运行两次,断言每个slot的初始状态序列完全一致,以验证修复有效性。
讨论原作者:@Ono-Katsuki 等,版权归原作者所有。
外部来源
本页事实对应的公开页面,以原文为准。(点击将离开本站)