LIBERO-MAX 基准:任务中途环境突变,14 个机器人策略成功率暴跌 11-26 个百分点
DJiafei · x · 2026-10-08
研究者发布 LIBERO-MAX 动态鲁棒性基准,专门测试机器人在「任务执行中途世界突然变化」时能否继续完成任务——例如伸手去拿杯子时杯子被移走。
基准设计:
- 提供 8,000 组配对案例:每个 Dynamic 回滚都与同任务、同种子、同执行前缀的 Base 对照组匹配,唯一区别是执行开始后注入一个持续到回滚结束的变化事件,从而精确隔离单个事件对结果的影响。
- 覆盖 8 类变化,每类 1,000 例:目标物体移动、容器移动、相机视角变化、传感器噪声/遮挡、光照突变、场景外观切换、干扰物爆发(5 个无关物体进入)、路径障碍插入。
- 与 LIBERO-Plus / LIBERO-PRO 等测试「重置时已偏移」的静态鲁棒性不同,它测的是策略已开始行动后的动态适应。
核心发现: 全部 14 个被测机器人策略的成功率均下降 11.0–25.7 个百分点。基准只测任务成功是否保持,不推断内部是否检测到变化或有意识重规划。论文、代码与数据集均已公开。
「具身」频道最新
- 本科生初访 IROS 机器人顶会：近距离接触人形机器人前沿 — heatherknight · 2026-10-08
- 工程师在泰国高校开机器人课：学生用手机向桌面机器人提问 — StewartalsopIII · 2026-10-08
- 英伟达押注物理 AI，Halos 安全系统扩展至机器人 — Ars Technica AI · 2026-10-08
- 新加坡机器人版“摇滚拳击手”登场，真机互殴成现场名场面 — DJiafei · 2026-10-08
- KAIST FastOPD 在线蒸馏将 VLA 推理延迟降 78% — kaist-ai · 2026-10-08
- Meta 训练 8B 机器人世界模型 RoboJEPA，首次给出 scaling law — ylecun · 2026-10-08