首页
/ VQ-BeT: 行为生成与潜在动作

VQ-BeT: 行为生成与潜在动作

2025-04-17 20:25:04作者:齐冠琰

1. 项目介绍

VQ-BeT(Behavior Generation with Latent Actions)是一个开源项目,旨在通过潜在动作生成行为。该项目基于VQ-VAE(Vector Quantized-Variational AutoEncoder)技术,并应用于强化学习环境中。VQ-BeT能够将连续的动作空间离散化,从而更有效地学习策略。

2. 项目快速启动

以下是快速启动VQ-BeT的步骤:

首先,创建一个conda环境并激活:

conda create -n vq-bet python=3.9
conda activate vq-bet

然后,克隆项目仓库:

git clone https://github.com/jayLEE0301/vq_bet_official.git
cd vq_bet_official

接下来,安装依赖:

pip install -r requirements.txt

或者,你可以使用以下命令代替:

sh install.sh

安装MuJoCo和D4RL:

cd d4rl
pip install -e .
cd ..
cd vq_bet_official

对于UR3环境,你需要安装UR3环境:

cd envs/ur3
pip install -e .
cd ..

最后,如果需要启用日志,请登录wandb账户:

wandb login

或者,如果你想禁用日志,可以设置环境变量:

export WANDB_MODE=disabled

3. 应用案例和最佳实践

预训练VQ-VAE

在预训练Residual VQ之前,你需要设置配置文件:

config_name="pretrain_[env name]"

然后运行预训练脚本:

python examples/pretrain_vqvae.py

训练和评估VQ-BeT

在训练VQ-BeT之前,首先确保你的配置文件中包含了预训练的Residual VQ路径:

vqvae_load_dir: YOUR_PATH_TO_PRETRAINED_VQVAE/trained_vqvae.pt

然后设置配置文件并运行训练脚本:

config_name="train_[env name]"
python examples/train.py

对于视觉观察环境,你需要设置visual_input: true在你的配置文件中。

使用预训练权重

如果你想快速查看VQ-BeT在目标条件厨房环境上的表现而不需要从头开始训练,可以下载预训练的Residual VQ和VQ-BeT权重,然后按照上述训练步骤加载权重进行评估。

4. 典型生态项目

VQ-BeT可以应用于多种强化学习环境,包括但不限于PushT和Kitchen环境。开发者可以基于VQ-BeT框架,为不同的任务定制自己的环境,从而扩展VQ-BeT的应用范围。此外,VQ-BeT的社区也在不断增长,提供了多种工具和脚本以帮助新用户快速入门和开发。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
154
1.98 K
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
405
387
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
941
555
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
70
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
992
395
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
509
44
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.32 K
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
194
279