LIBERO

具有130个程序化任务的终身机器人学习基准测试

许可证

MIT

概述

终身机器人学习基准测试，包含130个程序生成的任务，涵盖操作、空间、物体和目标领域。基于MuJoCo物理仿真构建，提供标准化的知识转移和持续学习研究评估协议。

LIBERO是一个综合性基准套件，旨在通过130个程序化生成的多样化操作任务，评估并推动机器人终身学习能力的发展。该基准致力于解决让机器人在保留已学行为的同时持续习得新技能这一关键挑战，并将任务划分为四个任务套件：LIBERO-Spatial、LIBERO-Object、LIBERO-Goal和LIBERO-100。LIBERO基于MuJoCo物理引擎构建，提供具有一致评估协议的标准化仿真环境，使不同学习算法之间的比较可复现。程序化生成系统在保证任务多样性的同时保持难度递进可控，使研究人员能够系统地研究机器人如何在长期学习过程中积累知识。

为何重要

LIBERO 是首个专为终身机器人学习设计的综合性基准测试。它包含跨越四个领域的 130 个程序化生成的任务，为推动操作领域的持续学习和终身学习提供了所需的标准化评估。

解决的问题

部署在真实世界中的机器人需要不断学习新任务，同时不遗忘已有技能。LIBERO 提供了一个标准化基准，用于衡量学习算法能否真正实现操作领域的终身学习。

要点

• 横跨 4 个领域的 130 个程序化生成的操作任务
• 专为评估终身学习和持续学习而设计
• 领域涵盖空间、物体、目标和长时程操作
• 基于 MuJoCo 构建，配有标准化的评估协议
• 测试智能体能否在学习新任务的同时不遗忘旧任务

适用人群

• 从事机器人持续学习和终身学习的研究人员
• 构建自适应操作策略的团队
• 评估机器人策略中灾难性遗忘问题的开发者
• 研究操作领域迁移学习的学生

局限

• 仅限仿真环境——不包含真实机器人迁移评估
• 基于 MuJoCo 的任务可能无法反映真实世界的复杂性
• 程序化生成可能产生感觉相似的任务
• 专注于操作——不包含移动或导航任务