UT Austin 等名校发布 LIBERO-MAX:专测任务执行中环境突变基准

jiqizhixin · x · 2026-10-17

现有机器人鲁棒性基准只在任务开始前改变条件(杯子位置、光照、相机角度),机器人从第一帧就看到变化后的场景。但「杯子本来就在那」和「杯子在你半空中时被挪走」需要的是完全不同的能力——大多数基准从不测后者。

Yunbei Zhang 与 Zijian Jin(共同一作)联合 UT Austin 教授 Peter Stone、斯坦福教授 Marco Pavone、MIT 博士后 Weirui Ye、NTU 助理教授 Jianfei Yang 提出 LIBERO-MAX(NeurIPS 2026):在任务执行过程中引入环境扰动来评估机器人策略，扰动分四类——几何(目标/容器位移)、观测(相机偏移、传感器噪声)、外观(光照切换、视觉主题切换、干扰物)、路径(障碍插入)。团队对 14 个当前机器人策略(涵盖 VLA 等)做了基准测试。