VLABench

归一化

VLABench — 指标、依赖与运行命令。

本页内容

简介

VLABench external benchmark manifest for language-conditioned manipulation policy rollouts.

指标

VLABench external benchmark manifest for language-conditioned manipulation policy rollouts.

Task YAML

worldfoundry/data/benchmarks/tasks/external/vlabench.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。
rewardVLABench 语言条件桌面操作 rollout 的累计 reward。

环境准备

运行环境

  • Conda 环境: vlabench-runtime
  • 单独配置: 需要 benchmark 专用 conda 环境,不要与统一 runtime 混用。
  • WorldFoundry provides contract and official result normalization for caller-provided VLABench outputs.

测评数据

  • 待测模型输出目录:设置 WORLDFOUNDRY_VLABENCH_RESULTS_PATH 指向生成视频或 rollout artifact 根目录。
  • ${WORLDFOUNDRY_DATA_DIR}/datasets/vlabench
  • ${WORLDFOUNDRY_CACHE_DIR}/repos/OpenMOSS--VLABench

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_VLABENCH_ROOT
  • WORLDFOUNDRY_VLABENCH_RESULTS_PATH

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

从生成产物重新打分

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

直接调用仓内 runner

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

依赖与产物

Inputs

  • Official simulator runtime
  • benchmark assets
  • policy checkpoint
  • official result dump

Environment

  • WORLDFOUNDRY_VLABENCH_RESULTS_PATH

Outputs

  • scorecard.json
  • raw_results.jsonl
  • evaluation/summary.json

← 返回 Benchmark Hub