← 机器人智能体 / 任务与评测环境

正式发表 / Robot Agentic

LIBERO

LIBERO: Benchmarking Knowledge Transfer for Lifelong Robot Learning

NeurIPS · 2023CCF A

快照 2026-10-28 · 引用:Semantic Scholar / arXiv 关联记录 · 代码核验依据 ↗

关键框架 FRAMEWORK
程序化任务生成流程LIBERO · 原文 Fig. 2 · p.4 ↗

程序化生成带语言描述、对象布局和逻辑目标的操作任务,用多组任务套件研究知识迁移与持续学习。

  1. 01生成任务与语言指令
  2. 02指定布局和逻辑目标
  3. 03评估迁移与遗忘
LIBERO程序化任务生成流程
程序化任务生成流程

程序化生成带语言描述、对象布局和逻辑目标的操作任务,用多组任务套件研究知识迁移与持续学习。 来源 ↗ · 打开完整图片 ↗

THE IDEA

它在解决什么

程序化生成带语言描述、对象布局和逻辑目标的操作任务,用多组任务套件研究知识迁移与持续学习。

WHY READ IT

为什么放在这条路线

补齐常见 VLA 分数背后的任务定义,区分空间、对象、目标与长程组合变化。

当前阶段任务与评测环境 ↗

如何定义活动、提供训练环境并检查能力?

READ WITH A QUESTION

读的时候,留意什么

基准任务成功率不等同真实部署能力;不同任务套件、训练划分和评测设置不能混算。

我的阅读笔记

LOCAL NOTES
笔记仅保存在当前浏览器