这里用已经预训练好的开源模型openvla-7b-finetuned-libero-spatial来做测试，目的仅仅只是看eval脚本能不能运行，数据指标和演示视频能否被记录，从而验证evaluation pipeline能否正常工作。在之前几个训练步的测试中的失败案例在肉眼看来大多都是机械臂完全静止，为区分到底是环境未执行动作还是和模型输出无效动作，从 7.5k 开始，在 eval 中加入了ep