Mujoco_WASM/training_server

本地强化学习训练服务

该服务把 Web 平台发出的受限训练请求转换为本机 unitree_rl_mjlab/scripts/train.py 子进程，并提供状态轮询、停止任务和 policy.onnx 下载接口。服务只绑定 127.0.0.1，不执行前端传入的任意命令。

启动

必须使用已经安装 mjlab、PyTorch 和训练工程依赖的 Python 解释器：

npm run training-server -- \
  --trainer-root /path/to/unitree_rl_mjlab \
  --trainer-python /path/to/training-env/bin/python

如：

npm run training-server -- --trainer-root /home/cen/Embodied_Workspace/unitree_rl_mjlab --trainer-python /home/cen/miniconda3/envs/unitree_rl_mjlab/bin/python

服务启动时会在终端显示一个随机访问令牌。将该令牌填入前端“访问令牌”字段后再连接。令牌只保存在当前浏览器标签页的 sessionStorage 中。自动化启动时可固定令牌：

MUJOCO_TRAINING_TOKEN='至少十六个字符的随机令牌' npm run training-server -- \
  --trainer-root /path/to/unitree_rl_mjlab

也可用 UNITREE_RL_MJLAB_ROOT 指定工程目录。默认端口是 8765。如果前端不是从 localhost 或 127.0.0.1 提供，可显式添加来源：

python training_server/server.py \
  --trainer-root /path/to/unitree_rl_mjlab \
  --allow-origin http://192.168.1.10:5173

服务一次只运行一个训练任务，最多保留 20 个任务的内存状态，每个任务最多保留 200 行最近日志。停止服务或在界面点击“停止训练”会同步终止整个训练进程组。训练请求的 W&B 模式默认为 offline，保留本地指标但不登录；也可以在界面选择完全禁用或在线模式。所有 API 请求都必须携带启动时生成的 Bearer Token。

接口

• GET /api/training/health：运行环境、允许的任务和活动任务；
• POST /api/training/jobs：发起训练；
• GET /api/training/jobs/{id}：状态、迭代进度和最近日志；
• DELETE /api/training/jobs/{id}：停止训练；
• GET /api/training/jobs/{id}/artifacts/policy.onnx：下载本次生成的策略。

任务保存在服务内存中，服务重启后历史任务状态会丢失，但 mjlab 日志和 checkpoint 仍保留在训练工程中。

测试

python3 -m pip install -r requirements-dev.txt
npm run lint:python
npm run test:training-server