配置

前置条件

• 已完成安装（Python 3.10+，eva 在 PATH 中）。
• 机器人预设文件夹。本页凡是 <robot> 的位置，取下列之一：agibot_g2、arx_r5、dual_agilex_AGILEX、dual_franka、r1lite、ur5e。
• 真机运行：机器人需经 ROS 可达，策略服务器需已在已知 host/port 上监听（见策略后端）。

开环回放

开环把一段已录制的 episode 完整地走一遍流水线，无需机器人、无需策略服务器：

eva --config configs/00_openloop/ur5e_openloop.py

其他开环文件：arx_r5_openloop.py、dual_agilex_AGILEX_openloop.py、dual_franka_openloop.py、r1lite_openloop.py，位于 configs/00_openloop/。启动成功时 EVA 打印控制台 URL；失败则停在 Python 报错处（常见原因为 --config 路径错误或回放数据集缺失）。

配置工作机制

• 继承——每个配置以 _base_ = ['_base.py', ...] 起首，列出所基于的父文件。子文件只写要改的键。
• 单一默认值文件——所有默认值集中在 configs/00_base/defaults.py。无任何隐藏兜底：漏写 _base_ 就直接缺设置。

文件布局

继承与覆盖

EVA 按逐项设置合并父子配置：

• 重写 dict(...) 块仅覆盖写出的键，其余保留自父文件。
• 标量或整列表会完全替换父值，列表绝不拼接。

继承链可多层，例如 ur5e_eval.py → ur5e/openpi_qpos.py → 00_base/defaults.py。下例中带 ← 的字段是用户典型要改的项。

_base_ = ['_base.py']          # 继承本机器人的共享部署设置。

policy = dict(
    type='openpi',        # 后端：openpi / openpi_rtc / starvla / gr00t / mock / replay。
    host='<策略服务器IP>',   # ← 不填则保持 127.0.0.1。
    port=<策略服务器端口>,    # ← 策略服务器端口。
)

inference_cfg = dict(
    debug_tasks=['<任务指令>'],  # ← 任务指令。
    # 不写 obs_space / action_space 即保持关节角控制。
)

默认按关节角（JointState）控制。改为末端执行器（EEFPose）控制时同时覆盖两空间，n_arms 设为机器人手臂数：

inference_cfg = dict(
    obs_space=dict(type='EEFPose', n_arms=<手臂数>, rotation='quat', include_gripper=True),    # ← 1 或 2。
    action_space=dict(type='EEFPose', n_arms=<手臂数>, rotation='quat', include_gripper=True),  # ← 同样的手臂数。
)

设置参考

robot

transport

EVA 读传感器、发命令所用的通道。见传输层。

policy

与策略服务器的连接。见策略后端。

inference_cfg

obs_space 与 action_space 在 JointState 与 EEFPose 间切换；见动作空间。

inference_strategies

自带五种具名策略，可在控制台中实时切换。引用时只用左列的名字；见推理策略。

collection · eval_cfg · work_dir

collection 配置遥操作录制（列、相机、手臂）；该段存在即把配置标记为录制配置——见数据录制。eval_cfg 配置多检查点对比（下节细讲）。work_dir（默认 "work_dirs"）是产物输出根目录。

评测配置

评测配置让多个检查点在同一批任务上对比。它继承一个部署预设并填入 eval_cfg 段，列出 checkpoints 与 tasks；EVA 会替你加载每个模型的部署配置并指向正确的服务器。

_base_ = ['../01_deploy/<robot>/openpi_qpos.py']   # ← 该机器人的部署预设。

eval_cfg = dict(
    trials_per_prompt=5,           # 每模型每任务试次数。
    cli_mode='real',             # 'real' 或 'sim'。
    inference_strategy='async',    # 上表中的策略名。
    reset_after_each_trial=False,  # True 表示每个试次后复位到起始姿态。
    checkpoints=[
        dict(
            name='<模型标签>',                 # ← 在 EVAL 选择器中显示在槽位字母（Model A/B/…）旁边作为标签。
            config='../01_deploy/<robot>/openpi_qpos.py',  # ← 相对本文件。
            port=<策略服务器端口>,            # ← 该模型的端口。
        ),
        # 每个模型一个 dict。
    ],
    tasks=[
        dict(prompt_en='<英文任务指令>'),  # ← 每个任务一项。
    ],
)

• storage——fps 标注于保存帧；save_queue_max 限制写盘队列深度。
• skip_warmup_after_first——为 True 时只第一个试次预热。
• checkpoints[i]：
  • name——标签，在 EVAL 选择器中显示在槽位字母（Model A / B / …）旁边。
  • config——部署配置路径，相对评测文件。路径错则启动即报错停下。
  • port——该 checkpoint 的策略服务器端口。
  • host——可选，默认 127.0.0.1。
• shuffle_ckpts / shuffle_seed——随机化各检查点的试跑顺序；seed 默认 42。
• enable_ssh_forward——服务器在远程主机时置 True，需配 ssh 块：

enable_ssh_forward=True,
ssh=dict(
    host='<远程主机>',
    user='<SSH 用户名>',
    port=<远程端口>,    # 远程上策略服务器的端口。
    # remote_sync_dir='<远程结果路径>',  # 可选：把结果拷回此处。
),

• tasks[i]——必填 prompt_en；可选项：
  • milestones——评分子目标，(短键, 描述) 对，例如 (('grasp', 'grasp apple'),)。
  • prompt_zh——中文指令。
  • init_pose——本任务专用起始位姿，与 robot.initial_qpos 同格式。

启动流水线

eva --config 启动时依次：

• 合并父文件——沿 _base_ 链合并。
• 构建控制空间——按关节/EEF 选择实例化。
• 补全路径——空的输出路径由 work_dir 与配置名派生。
• 校验录制配置——须定义 state、EEF、action 三类列及至少一相机一手臂，否则启动中止并指出缺项。
• 解析评测 checkpoints——逐项加载其配置并指向各自 host/port。