CALVIN

归一化

CALVIN — 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

CALVIN external benchmark task manifest for long-horizon language-conditioned manipulation.

指标

CALVIN external benchmark task manifest for long-horizon language-conditioned manipulation.

Task YAML

worldfoundry/data/benchmarks/tasks/external/calvin.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。
`sequence_success`	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。
`completion`	CALVIN 长时链式语言条件子任务连续完成比例（无环境重置）。

环境准备

运行环境

Conda 环境： giga-world-policy-py311。
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。
CALVIN 官方 rollout 需要数据集 split、policy checkpoint 和 long-horizon evaluator 输出；轻量 preflight 不启动仿真/评测。

测评数据

WorldFoundry tracks the upstream CALVIN runtime and normalizes official result files; dataset materialization is handled outside this manifest.
待测模型输出目录：设置 WORLDFOUNDRY_CALVIN_RESULTS_PATH 指向生成视频或 rollout artifact 根目录。
${WORLDFOUNDRY_CACHE_DIR}/repos/mees--calvin

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_CALVIN_ROOT
WORLDFOUNDRY_CALVIN_DATASET_ROOT
WORLDFOUNDRY_CALVIN_RESULTS_PATH

环境检查

PYTHONPATH=${WORLDFOUNDRY_CACHE_DIR}/repos/mees--calvin:src ${WORLDFOUNDRY_CONDA_ENVS_ROOT}/worldfoundry-giga-world-policy-py311/bin/python -m worldfoundry.evaluation.tasks.execution.orchestration.runtime_preflight --profile calvin --manifest worldfoundry/data/benchmarks/runtime_profiles/official/calvin.yaml --output-dir tmp/worldfoundry_preflight/calvin --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 calvin \
  --mode normalizer \
  --official-results-path /path/to/official/results-or-report \
  --generated-artifact-dir "${WORLDFOUNDRY_GENERATED_ARTIFACT_DIR}" \
  --output-dir tmp/calvin/normalizer \
  --json

从生成产物重新打分

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

直接调用仓内 runner

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