LIBERO

Benchmark de aprendizado de robô ao longo da vida com 130 tarefas procedurais

Licença

MIT

Visão geral

Um benchmark para aprendizado robótico ao longo da vida com 130 tarefas geradas proceduralmente nos domínios de manipulação, espacial, objetos e objetivos. Construído sobre a simulação física MuJoCo, com protocolos de avaliação padronizados para pesquisa em transferência de conhecimento e aprendizado contínuo.

O LIBERO é um conjunto abrangente de benchmarks projetado para avaliar e fazer avançar as capacidades de aprendizado contínuo de robôs ao longo da vida, por meio de uma coleção diversificada de 130 tarefas de manipulação geradas proceduralmente. O benchmark aborda o desafio crítico de permitir que robôs adquiram continuamente novas habilidades sem perder comportamentos aprendidos anteriormente, organizando as tarefas em quatro suítes: LIBERO-Spatial, LIBERO-Object, LIBERO-Goal e LIBERO-100. Construído sobre o motor de física MuJoCo, o LIBERO oferece um ambiente de simulação padronizado com protocolos de avaliação consistentes, permitindo comparações reproduzíveis entre diferentes algoritmos de aprendizado. O sistema de geração procedural garante a diversidade de tarefas ao mesmo tempo em que mantém uma progressão de dificuldade controlável, permitindo que pesquisadores estudem sistematicamente como os robôs podem acumular conhecimento ao longo de períodos prolongados de aprendizado.

Por que importa

O LIBERO é o primeiro benchmark abrangente projetado especificamente para o aprendizado robótico ao longo da vida. Com 130 tarefas geradas proceduralmente em quatro domínios, ele oferece a avaliação padronizada necessária para avançar o aprendizado contínuo e ao longo da vida em manipulação.

Problema que resolve

Robôs implantados no mundo real precisam aprender continuamente novas tarefas sem esquecer habilidades anteriores. O LIBERO oferece um benchmark padronizado para medir se os algoritmos de aprendizado conseguem de fato alcançar o aprendizado ao longo da vida em manipulação.

Pontos principais

• 130 tarefas de manipulação geradas proceduralmente em 4 domínios
• Projetado especificamente para avaliar o aprendizado contínuo e ao longo da vida
• Os domínios abrangem manipulação espacial, de objetos, de objetivos e de longo horizonte
• Construído sobre o MuJoCo com protocolos de avaliação padronizados
• Testa se os agentes conseguem aprender novas tarefas sem esquecer as antigas

Para quem é

• Pesquisadores em aprendizado contínuo e ao longo da vida para robótica
• Equipes que constroem políticas de manipulação adaptativas
• Desenvolvedores que avaliam o esquecimento catastrófico em políticas de robôs
• Estudantes que estudam aprendizado por transferência em manipulação

Limitações

• Somente ambiente simulado — sem avaliação de transferência para robôs reais
• Tarefas baseadas em MuJoCo podem não refletir a complexidade do mundo real
• A geração procedural pode produzir tarefas que parecem semelhantes
• Focado em manipulação — sem tarefas de locomoção ou navegação