机器人持续学习基准LIBERO系列10——文件结构

本文主要是介绍机器人持续学习基准LIBERO系列10——文件结构，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

0.前置

• 机器人持续学习基准LIBERO系列1——基本介绍与安装测试
• 机器人持续学习基准LIBERO系列2——路径与基准基本信息
• 机器人持续学习基准LIBERO系列3——相机画面可视化及单步移动更新
• 机器人持续学习基准LIBERO系列4——robosuite最基本demo
• 机器人持续学习基准LIBERO系列5——获取显示深度图
• 机器人持续学习基准LIBERO系列6——获取并显示实际深度图
• 机器人持续学习基准LIBERO系列7——计算并可视化点云
  
• 机器人持续学习基准LIBERO系列9——数据集轨迹查看

1.LIBERO-master目录结构

• benchmark_scripts
• images
• libero
  • configs
    • config.yaml:总结所有配置的默认配置文件
    • data/default.yaml:数据的配置
    • eval/default.yaml:验证的配置
    • lifelong
      • base.yaml:顺序微调基线的配置
      • agem.yaml:agem配置
      • er.yaml
      • ewc.yaml
      • packnet.yaml
      • multitask.yaml
      • single_task.yaml
    • policy
      • data_augmentation
      • image_encoder
      • language_encoder
      • policy_head
      • position_encoding
      • bc_rnn_policy.yaml :ResNet-LSTM配置
      • bc_transformer_policy.yaml:ResNet-Transformer配置
      • bc_vilt_policy.yaml:ViT-Transformer配置
    • train
      • optimizer
        • shceduler
        • default.yaml:训练的配置
  • datasets
  • libero:环境有关
    • assets:网格文件相关
    • envs
      • problems:prooblem类定义
  • lifelong：策略，算法和实验
    • main.py:复现实验的主要脚本
    • algos:持续学习框架
      • base.py：所有算法的父类Sequential
      • er.py:Experience Replay算法
      • ewc.py:Elastic Weight Consolidation算法
      • packnet.py:Packnet算法
      • multitask.py:多任务学习基线
      • single_task.py:顺序学习基线
      • language.py
    • models：底层策略
      • policy
      • bc_rnn_policy.py:ResNet-RNN
      • bc_transformer_policy.py:ResNet-T
      • bc_vilt_policy.py:ViT-T
• libero.egg-info
• mine
• notebooks
  • scripts：创建数据集的脚本
  • collect_demonstrations.py:收集自己的人工演示轨迹
  • create_dataset.py:创建自己的数据集
  • batch_create_dataset.py :通过重复运行create_dataset.py创建一个批次的数据集
• templates
  • problem_class_template.py:方便用户创建自己的problem类
• LICENSE
• README.md
• requirements.txt
• setup.py
• .gitignore
  

2.LIBERO配置文件

• 使用Hydra配置
• 如果想要修改配置的话，参考下面的命令进行配置，而不是直接修改yaml文件

export CUDA_VISIBLE_DEVICES=GPU_ID && \
export MUJOCO_EGL_DEVICE_ID=GPU_ID && \
python lifelong/main.py seed=SEED \benchmark_name=BENCHMARK policy=POLICY \lifelong=ewc \lifelong.e_lambda=100000 \lifelong.gamma=0.95

这篇关于机器人持续学习基准LIBERO系列10——文件结构的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---