BridgeData V2

归一化

BridgeData V2 — 指标、依赖与运行命令。

最后更新: 2026年7月11日

本页内容

简介指标 Task YAML Primary 环境准备运行环境测评数据 Checkpoint 与资产关键环境变量环境检查运行评测设置候选产物目录导入已有官方结果从生成产物重新打分直接调用仓内 runner 依赖与产物 Inputs Environment Outputs

简介

BridgeData V2 external benchmark task manifest for real-robot dataset and offline policy result normalization.

指标

BridgeData V2 external benchmark task manifest for real-robot dataset and offline policy result normalization.

Task YAML

worldfoundry/data/benchmarks/tasks/external/bridgedata-v2.yaml

Primary

success_rate

Metric	关注点
`success_rate`	episode / task 是否成功完成的比例或成功率。
`task_success`	episode / task 是否成功完成的比例或成功率。
`goal_success`	episode / task 是否成功完成的比例或成功率。
`action_accuracy`	预测动作、状态或结果相对 benchmark 成功标准的正确性。
`rollout_success`	episode / task 是否成功完成的比例或成功率。

环境准备

运行环境

Conda 环境： worldplay-core。
单独配置： 默认复用 WorldFoundry 统一环境（needs_new_env: false），通常不需要额外 benchmark-only conda env。
BridgeData V2 需要已物化的评测 split 和 policy-result import；当前只配置通用 Python 环境。

测评数据

待测模型输出目录：设置 WORLDFOUNDRY_BRIDGEDATA_V2_RESULTS_PATH 指向生成视频或 rollout artifact 根目录。
${WORLDFOUNDRY_DATA_DIR}/datasets/bridgedata-v2
${WORLDFOUNDRY_CACHE_DIR}/repos/rail-berkeley--bridge_data_v2

Checkpoint 与资产

该 benchmark 以官方结果归一化或仿真 rollout 为主；policy / simulator checkpoint 见 catalog requires 与 task YAML。

关键环境变量

WORLDFOUNDRY_BRIDGEDATA_V2_DATASET_ROOT
WORLDFOUNDRY_BRIDGEDATA_V2_RESULTS_PATH

环境检查

PYTHONPATH=${WORLDFOUNDRY_CACHE_DIR}/repos/rail-berkeley--bridge_data_v2:src ${WORLDFOUNDRY_CONDA_ROOT}/worldplay/bin/python -m worldfoundry.evaluation.tasks.execution.orchestration.runtime_preflight --profile bridgedata-v2 --manifest worldfoundry/data/benchmarks/runtime_profiles/official/bridgedata-v2.yaml --output-dir tmp/worldfoundry_preflight/bridgedata-v2 --json

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 bridgedata-v2 \
  --mode normalizer \
  --official-results-path /path/to/official/results-or-report \
  --generated-artifact-dir "${WORLDFOUNDRY_GENERATED_ARTIFACT_DIR}" \
  --output-dir tmp/bridgedata-v2/normalizer \
  --json

从生成产物重新打分

worldfoundry-eval zoo benchmark-run \
  --benchmark-id bridgedata-v2 \
  --mode official-run \
  --generated-artifact-dir "${WORLDFOUNDRY_GENERATED_ARTIFACT_DIR}" \
  --output-dir tmp/bridgedata-v2/official-run \
  --json

直接调用仓内 runner

worldfoundry-eval zoo benchmark-run --benchmark-id bridgedata-v2 --mode official-validation --official-results-path <official_results.json> --output-dir <out> --json