人工智能具身智能机器人【免费下载链接】EasyWAM-MoT-IDM-Wan22项目地址https://ai.gitcode.com/OpenMOSS/EasyWAM-MoT-IDM-Wan22点击查看免费下载EasyWAM-MoT-IDM-Wan22 是基于 Wan2.2-TI2V-5B 骨干的世界动作模型官方权重库。它自带的 LIBERO 评测协议需要跑完 4 个任务套件、每个任务 50 次试验单卡串行耗时很长。本文教你用MULTIRUN.num_gpus一个参数把评测分发到多张 GPU 上并行运行轻松把评测时间压缩到原来的几分之一。为什么 LIBERO 评测这么耗时先理解工作量才能明白多卡并行的价值项目默认协议任务套件Spatial、Object、Goal、LIBERO-10共4 个套件每任务试验数50 次每个任务都要独立跑 50 次 rollout执行方式默认单卡串行每个试验都要在仿真器中完整执行一条视频动作轨迹试验数量是套件数 × 任务数 × 50 的量级这也是单卡跑一轮要等上几小时的根本原因。好消息是各试验之间相互独立天然适合按任务切分到多张卡上同时跑。评测前准备一键下载 checkpoint 与统计文件仓库内置两个评测必需文件全参数权重libero_mot_idm_wan22.pt状态归一化统计libero_dataset_stats.json在 EasyWAM 代码仓库目录下执行以下命令即可下载到本地hf download OpenMOSS-Team/EasyWAM-MoT-IDM-Wan22 \ libero_mot_idm_wan22.pt \ libero_dataset_stats.json \ --local-dir ./checkpointslibero_dataset_stats.json记录的是状态空间的归一化统计量评测时必须通过EVALUATION.dataset_stats_path指定漏掉它会导致动作尺度异常、成功率归零。最快开始的单卡评测命令环境安装EasyWAM 代码库 Wan2.2 骨干依赖 LIBERO 仿真器完成后单卡默认评测命令如下python experiments/libero/run_libero_manager.py \ tasklibero_easywam_mot_idm_wan22 \ ckpt./checkpoints/libero_mot_idm_wan22.pt \ EVALUATION.dataset_stats_path./checkpoints/libero_dataset_stats.json三个参数含义tasklibero_easywam_mot_idm_wan22指定本权重对应的评测任务配置ckptcheckpoint 路径EVALUATION.dataset_stats_path归一化统计文件路径多GPU并行评估MULTIRUN.num_gpus 参数怎么用把评测分发到多张 GPU只需在原命令后追加一个参数python experiments/libero/run_libero_manager.py \ tasklibero_easywam_mot_idm_wan22 \ ckpt./checkpoints/libero_mot_idm_wan22.pt \ EVALUATION.dataset_stats_path./checkpoints/libero_dataset_stats.json \ MULTIRUN.num_gpus4MULTIRUN.num_gpusgpu-count填你的可用 GPU 数量评测任务会被分发到这 N 张卡上同时执行该参数只影响并行调度不改变评测协议依旧是 4 个套件、每任务 50 次试验所以并行前后的成功率结果是一致的可以安全对比4 张卡 ≈ 总耗时降到 1/48 张卡 ≈ 1/8接近线性加速不同 GPU 数量的提速效果参考GPU 数量预期相对耗时适用场景1100%单卡工作站结果基线2~50%双卡机器日常回归验证4~25%4 卡工作站推荐默认选择 ⭐8~12.5%多卡训练服务器跑完整套件注意num_gpus不要超过机器实际可见的 GPU 数否则会出现无卡可用的等待。常见问题解答Q1并行跑会影响成功率数值吗不会。MULTIRUN只是把 50 次试验的 rollout 分配到不同卡上执行协议、试验数、随机种子逻辑都保持不变。Q2显存不够怎么办该 checkpoint 基于 Wan2.2-TI2V-5B 骨干单卡显存需满足其推理需求多卡并行是任务切分而非模型切分每张卡仍需独立放下一个完整推理流程。Q3跑出来的结果和 README 对不上先确认两件事task名是否为libero_easywam_mot_idm_wan22、dataset_stats_path是否指向随权重下载的 libero_dataset_stats.json。本权重为sequence状态放置方式的全参数 checkpoint。相关文件一览文件说明README.md项目说明、LIBERO 成绩表与评测命令libero_mot_idm_wan22.ptLIBERO 全参数评测权重.pt格式libero_dataset_stats.json状态归一化统计评测必传只要环境搭好、checkpoint 就位加上一行MULTIRUN.num_gpus就能让整轮 LIBERO 评测从等一晚上变成等一杯咖啡 ☕。快去跑起来试试吧赞分享人工智能具身智能机器人【免费下载链接】EasyWAM-MoT-IDM-Wan22项目地址https://ai.gitcode.com/OpenMOSS/EasyWAM-MoT-IDM-Wan22点击查看免费下载相关推荐EasyWAM-MoT-Wan22 LIBERO评估协议详解state_positionsequence、50次试验与多GPU并行分发EasyWAM MoT Wan22 LIBERO评估协议详解state_positionsequence、50次试验与多GPU并行分发 本文详解 EasyW人工智能具身智能机器人EasyWAM-MoT-Wan22 全参数检查点 3 条命令实操首次运行 LIBERO 评估完整流程EasyWAM MoT Wan22 全参数检查点 3 条命令实操首次运行 LIBERO 评估完整流程 EasyWAM MoT Wan22 是基于 Wan2.2人工智能具身智能机器人EasyWAM-MoT-Wan22快速上手从下载检查点到跑通LIBERO评估的完整教程EasyWAM MoT Wan22快速上手从下载检查点到跑通LIBERO评估的完整教程 EasyWAM MoT Wan22 是基于 Wan2.2 TI2V 5人工智能具身智能机器人上一篇ImageAI终极指南10分钟从零到精通工业级图像识别技术下一篇Scientifica字体构建原理深度解析从SFD源码到TTF/OTB/BDF格式创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考