#!/usr/bin/env python3 """Прогон клетки «базовый OpenVLA × LIBERO» на коде репозитория openvla/openvla. Отдельный прогонщик, а не флаг к OFT-версии: форк OFT для базовых чекпойнтов не годится — его модельный код зовёт `set_num_images_in_input`, которого у базовых весов нет (проверено 30.08.2026). У базового репозитория и цикл другой: он не вынесен в функцию, а лежит внутри `eval_libero`, поэтому цикл здесь воспроизведён построчно по их исходнику, а все шаги — их же помощниками: get_model, get_processor, get_image_resize_size, get_libero_env, get_libero_image, get_libero_dummy_action, quat2axisangle, get_action, normalize_gripper_action(binarize=True), invert_gripper_action Наше — только выбор сцены (`init_state_id` из задания), подстановка инструкции и запись дампа. Успех берётся из `done`, как у авторов. Важные детали их протокола, которые нельзя потерять: * **`num_steps_wait=10`** холостых шагов в начале эпизода: симулятор роняет предметы, и им надо дать упасть. Без этого модель видит сцену в падении. * **`resolution=256`** у среды — их значение, не менять. * **Горизонт эпизода зависит от сьюта**: 220 / 280 / 300 / 520. * Гриппер: сначала `normalize_gripper_action(binarize=True)`, затем `invert_gripper_action` — у OpenVLA загрузчик данных переворачивает знак. """ from __future__ import annotations import argparse import json import os import time from collections import defaultdict from pathlib import Path MAX_STEPS = {"libero_spatial": 220, "libero_object": 280, "libero_goal": 300, "libero_10": 520, "libero_90": 400} def parse_args() -> argparse.Namespace: ap = argparse.ArgumentParser(description=__doc__, formatter_class=argparse.RawDescriptionHelpFormatter) ap.add_argument("--manifest", required=True, type=Path) ap.add_argument("--policy", "--checkpoint", dest="checkpoint", required=True) ap.add_argument("--model-key", default="openvla") ap.add_argument("--out", required=True, type=Path) ap.add_argument("--device", default="cuda:0") ap.add_argument("--shard", default="0/1") ap.add_argument("--threads", type=int, default=8) ap.add_argument("--limit", type=int, default=None) ap.add_argument("--seed", type=int, default=7) ap.add_argument("--repo", default="/root/openvla_repo") return ap.parse_args() def main() -> None: args = parse_args() os.environ.setdefault("MUJOCO_GL", "egl") if args.threads > 0: for v in ("OMP_NUM_THREADS", "MKL_NUM_THREADS", "OPENBLAS_NUM_THREADS", "NUMEXPR_NUM_THREADS", "VECLIB_MAXIMUM_THREADS"): os.environ[v] = str(args.threads) manifest = args.manifest if args.manifest.is_absolute() else args.manifest.resolve() out = args.out if args.out.is_absolute() else args.out.resolve() import sys sys.path.insert(0, args.repo) os.chdir(args.repo) import numpy as np import torch from libero.libero import benchmark from experiments.robot.libero.libero_utils import ( get_libero_dummy_action, get_libero_env, get_libero_image, quat2axisangle) # В базовом репозитории get_processor лежит в openvla_utils, а не в # robot_utils (в форке OFT — наоборот): импортируем как их же скрипт. from experiments.robot.openvla_utils import get_processor from experiments.robot.robot_utils import ( get_action, get_image_resize_size, get_model, invert_gripper_action, normalize_gripper_action, set_seed_everywhere) if args.threads > 0: torch.set_num_threads(args.threads) rows = [json.loads(l) for l in manifest.open(encoding="utf-8") if l.strip()] i, n = (int(x) for x in args.shard.split("/")) rows = [r for k, r in enumerate(rows) if k % n == i] if args.limit: rows = rows[: args.limit] done_keys = set() if out.exists(): for line in out.open(encoding="utf-8"): try: rec = json.loads(line) done_keys.add((rec["task_uid"], rec["instruction_axis"])) except Exception: pass todo = [r for r in rows if (r["task_uid"], r["instruction_axis"]) not in done_keys] print(f"задание: {len(rows)} эпизодов, осталось {len(todo)}", flush=True) if not todo: return out.parent.mkdir(parents=True, exist_ok=True) set_seed_everywhere(args.seed) from experiments.robot.libero.run_libero_eval import GenerateConfig cfg = GenerateConfig(pretrained_checkpoint=args.checkpoint, task_suite_name=todo[0]["suite"], seed=args.seed, use_wandb=False) t0 = time.time() print(f"загрузка модели {args.checkpoint}", flush=True) model = get_model(cfg) processor = get_processor(cfg) if cfg.model_family == "openvla" else None resize_size = get_image_resize_size(cfg) print(f"модель загружена за {time.time() - t0:.0f} с", flush=True) by_task = defaultdict(list) for r in todo: by_task[(r["suite"], r["task_id"])].append(r) written = 0 for (suite, task_id), group in by_task.items(): # Ключ денормализации авторский скрипт ставит сам (строки 101-112): # он равен имени сьюта, а если такого ключа в весах нет — берётся # вариант с суффиксом `_no_noops`. Поле в конфиге не объявлено, оно # присваивается на лету, поэтому повторяем это дословно. cfg.task_suite_name = suite cfg.unnorm_key = suite if (cfg.unnorm_key not in model.norm_stats and f"{cfg.unnorm_key}_no_noops" in model.norm_stats): cfg.unnorm_key = f"{cfg.unnorm_key}_no_noops" assert cfg.unnorm_key in model.norm_stats, ( f"нет статистик денормализации под {suite}: " f"есть {sorted(model.norm_stats)}") task_suite = benchmark.get_benchmark_dict()[suite]() task = task_suite.get_task(task_id) initial_states = task_suite.get_task_init_states(task_id) env, author_text = get_libero_env(task, cfg.model_family, resolution=256) max_steps = MAX_STEPS[suite] for row in group: env.reset() obs = env.set_init_state(initial_states[row["init_state_id"]]) given = row["instruction_text"] t, success = 0, False t_ep = time.time() while t < max_steps + cfg.num_steps_wait: if t < cfg.num_steps_wait: obs, reward, done, info = env.step(get_libero_dummy_action(cfg.model_family)) t += 1 continue img = get_libero_image(obs, resize_size) observation = { "full_image": img, "state": np.concatenate((obs["robot0_eef_pos"], quat2axisangle(obs["robot0_eef_quat"]), obs["robot0_gripper_qpos"])), } action = get_action(cfg, model, observation, given, processor=processor) action = normalize_gripper_action(action, binarize=True) if cfg.model_family == "openvla": action = invert_gripper_action(action) obs, reward, done, info = env.step(action.tolist()) if done: success = True break t += 1 seconds = time.time() - t_ep line = { "task_uid": row["task_uid"], "suite": suite, "task_name": row["task_name"], "task_id": task_id, "init_state_id": row["init_state_id"], "episode_id": row.get("episode_id"), "reset_seed": args.seed, "commit": row["commit"], "instruction_axis": row["instruction_axis"], "instruction_text": given, "author_task_language": author_text, "image": (row.get("images") or {}).get("agentview_rgb"), "success_predicates": row.get("success_predicates"), "success": success, "success_source": "env", "seconds": round(seconds, 2), "steps": t, "model": args.model_key, "policy_path": args.checkpoint, "env_img_res": 256, "num_steps_wait": cfg.num_steps_wait, } with out.open("a", encoding="utf-8") as fh: fh.write(json.dumps(line, ensure_ascii=False) + "\n") fh.flush() written += 1 print(f"[{written}/{len(todo)}] {row['task_uid']} success={success} " f"{seconds:.0f}s", flush=True) env.close() print(f"готово: {written} эпизодов в {out}", flush=True) if __name__ == "__main__": main()