LIBERO

包含 130 項程序化任務的終身機器人學習評測基準

授權條款

MIT

概述

一個用於終身機器人學習的評測基準，包含 130 項程序化生成的任務，涵蓋操作、空間、物體與目標等領域。建構於 MuJoCo 物理模擬之上，並具備標準化的評估協定，用於知識轉移與持續學習研究。

LIBERO 是一套全面的評測套件，透過 130 項多樣的程序化生成操作任務，評估並推進終身機器人學習能力。這個評測基準處理的是讓機器人在保留已學行為的同時持續習得新技能這個關鍵挑戰，並將任務分為四個任務套件：LIBERO-Spatial、LIBERO-Object、LIBERO-Goal 與 LIBERO-100。LIBERO 建構於 MuJoCo 物理引擎之上，提供具有一致評估協定的標準化模擬環境，讓不同的學習演算法之間能進行可重現的比較。程序化生成系統在維持可控難度遞進的同時確保任務多樣性，讓研究人員能系統性地研究機器人如何在長期學習中累積知識。

為何重要

LIBERO 是第一個專為終身機器人學習設計的全面評測基準。它以橫跨四個領域的 130 項程序化生成任務，提供推進操作任務之持續學習與終身學習所需的標準化評估。

解決的問題

部署在真實世界的機器人需要持續學習新任務，同時不遺忘先前的技能。LIBERO 提供標準化的評測基準，用來衡量學習演算法是否真的能在操作任務上實現終身學習。

重點

橫跨 4 個領域的 130 項程序化生成操作任務
專為評估終身學習與持續學習而設計
領域涵蓋空間、物體、目標與長時程操作
建構於 MuJoCo 之上，具備標準化的評估協定
測試代理能否學習新任務而不遺忘舊任務

適用對象

機器人持續學習與終身學習的研究人員
建構適應性操作策略的團隊
評估機器人策略中災難性遺忘的開發者
研究操作任務遷移學習的學生

限制

僅有模擬環境，沒有轉移到真實機器人的評估
以 MuJoCo 為基礎的任務可能無法反映真實世界的複雜度
程序化生成可能產生感覺相似的任務
專注於操作，沒有行走運動或導航任務