AI2-THOR

已接入

AI2-THOR — 指标、依赖与运行命令。

本页内容

简介

AI2-THOR external task manifest for native embodied closed-loop rollouts.

指标

AI2-THOR external task manifest for native embodied closed-loop rollouts.

Task YAML

worldfoundry/data/benchmarks/tasks/external/ai2thor.yaml

Primary

  • success_rate
Metric关注点
success_rateepisode / task 是否成功完成的比例或成功率。
task_successepisode / task 是否成功完成的比例或成功率。
episode_successepisode / task 是否成功完成的比例或成功率。
rewardAI2-THOR 交互式家庭导航与操作 episode 中,朝向语言目标的仿真器累计 reward。

运行评测

准备好该 benchmark 页面列出的资产和候选产物后,使用下面的公开运行入口。

设置候选产物目录

export WORLDFOUNDRY_GENERATED_ARTIFACT_DIR=/path/to/generated/artifacts

导入已有官方结果

worldfoundry-eval zoo benchmark-run \
  --benchmark-id ai2thor \
  --mode normalizer \
  --official-results-path /path/to/official/results-or-report \
  --generated-artifact-dir "${WORLDFOUNDRY_GENERATED_ARTIFACT_DIR}" \
  --output-dir tmp/ai2thor/normalizer \
  --json

从生成产物重新打分

worldfoundry-eval zoo benchmark-run \
  --benchmark-id ai2thor \
  --mode official-run \
  --generated-artifact-dir "${WORLDFOUNDRY_GENERATED_ARTIFACT_DIR}" \
  --output-dir tmp/ai2thor/official-run \
  --json

直接调用仓内 runner

worldfoundry-eval embodied run --config worldfoundry/data/benchmarks/eval_configs/embodied/ai2thor/floorplan1.yaml

依赖与产物

Inputs

  • AI2-THOR Python package
  • AI2-THOR Unity simulator build/cache
  • Headless CloudRendering or X11 display backend
  • Policy checkpoint or external policy server for non-zero rollouts

Environment

  • WORLDFOUNDRY_AI2THOR_RESULTS_PATH

Outputs

  • scorecard.json
  • run_manifest.json
  • results.jsonl
  • metrics/summary.json

← 返回 Benchmark Hub