LIBERO

Benchmark de aprendizaje robótico continuo con 130 tareas procedurales

Licencia

MIT

Resumen

Un benchmark para aprendizaje robótico continuo con 130 tareas generadas proceduralmente en dominios de manipulación, espacial, objetos y objetivos. Construido sobre simulación física MuJoCo con protocolos de evaluación estandarizados para investigación de transferencia de conocimiento y aprendizaje continuo.

LIBERO es un conjunto de benchmarks integral diseñado para evaluar e impulsar las capacidades de aprendizaje permanente de los robots mediante una colección diversa de 130 tareas de manipulación generadas proceduralmente. El benchmark aborda el desafío crítico de permitir que los robots adquieran continuamente nuevas habilidades sin perder los comportamientos aprendidos previamente, y organiza las tareas en cuatro suites: LIBERO-Spatial, LIBERO-Object, LIBERO-Goal y LIBERO-100. Construido sobre el motor de física MuJoCo, LIBERO ofrece un entorno de simulación estandarizado con protocolos de evaluación coherentes, lo que permite comparaciones reproducibles entre distintos algoritmos de aprendizaje. El sistema de generación procedural garantiza la diversidad de tareas manteniendo una progresión de dificultad controlable, lo que permite a los investigadores estudiar sistemáticamente cómo los robots pueden acumular conocimiento durante periodos de aprendizaje prolongados.

Por qué importa

LIBERO es el primer benchmark integral diseñado específicamente para el aprendizaje robótico a lo largo de la vida. Con 130 tareas generadas proceduralmente en cuatro dominios, ofrece la evaluación estandarizada necesaria para impulsar el aprendizaje continuo y a lo largo de la vida en manipulación.

Qué problema resuelve

Los robots desplegados en el mundo real necesitan aprender continuamente nuevas tareas sin olvidar las habilidades previas. LIBERO ofrece un benchmark estandarizado para medir si los algoritmos de aprendizaje pueden lograr realmente el aprendizaje a lo largo de la vida en manipulación.

Puntos clave

• 130 tareas de manipulación generadas proceduralmente en 4 dominios
• Diseñado específicamente para evaluar el aprendizaje continuo y a lo largo de la vida
• Los dominios abarcan manipulación espacial, de objetos, de objetivos y de horizonte largo
• Construido sobre MuJoCo con protocolos de evaluación estandarizados
• Comprueba si los agentes pueden aprender nuevas tareas sin olvidar las anteriores

Para quién es

• Investigadores en aprendizaje continuo y a lo largo de la vida para robótica
• Equipos que desarrollan políticas de manipulación adaptativas
• Desarrolladores que evalúan el olvido catastrófico en políticas robóticas
• Estudiantes que estudian el aprendizaje por transferencia en manipulación

Limitaciones

• Solo entorno simulado — sin evaluación de transferencia a robots reales
• Las tareas basadas en MuJoCo pueden no reflejar la complejidad del mundo real
• La generación procedural puede producir tareas que se perciben similares
• Centrado en la manipulación — sin tareas de locomoción ni de navegación