---
title: RLBench
description: "CoppeliaSim / PyRep 上 100 个手工视觉引导任务。WorldFoundry 导入官方 rollout——不跑模拟器。"
---

RLBench（IEEE RA-L / ICRA 2020）是帝国理工学院 Dyson 机器人实验室的评测：**100** 个独特手工操作任务，给 **CoppeliaSim**（经 **PyRep**）里的 **Franka Panda** 用。每个任务有程序化变体（物体位姿、目标）。运动规划器可以吐出**无限**演示，因此同一套件支持模仿学习、强化学习与**少样本**协议。观测是多相机视觉加状态 / 语言。

论文：[RLBench: The Robot Learning Benchmark & Learning Environment](https://arxiv.org/abs/1909.12271)。项目：[sites.google.com/view/rlbench](https://sites.google.com/view/rlbench)。代码：[stepjam/RLBench](https://github.com/stepjam/RLBench)。本目录里 GitHub 许可证元数据是 `other:noassertion_github_api`——复用前先看上游条款。

WorldFoundry **只导入官方结果**。你在上游跑 CoppeliaSim / PyRep / 官方任务资产，再经 `official-validation` 归一化 JSON/CSV。仓内无模拟器。导出须声明任务列表与协议（少样本 vs 模仿 vs RL）。

<BenchmarkPageSections id="rlbench" locale="zh" />

## 如何运行

```bash
worldfoundry-eval zoo benchmark-run \
  --benchmark-id rlbench \
  --mode official-validation \
  --official-results-path <official_results.json> \
  --output-dir tmp/rlbench/official-validation \
  --json
```

省略 `--official-results-path` 时，默认导入路径是 `WORLDFOUNDRY_RLBENCH_RESULTS_PATH`。清单：`worldfoundry/data/benchmarks/tasks/external/rlbench.yaml`。输出：`scorecard.json`（主键 `success_rate`）与 `raw_results.jsonl`。

[← 返回 Benchmark Hub](/zh/docs/evaluation/benchmark-hub)