LIBERO-PeRM：面向个性化机器人操作的基准发布
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载把偏好与任务拆开
通用机器人要走进家庭场景，个性化能力被视为从可用走向实用的关键一环。但以往关于机器人操作的研究，大多把注意力放在任务能否完成上，很少把「任务完成」与「偏好满足」这两件事分开衡量。LIBERO-PeRM 正是为填补这一空白而提出的基准，它面向具身智能体中的偏好学习，试图在受控条件下观察智能体是否按人的偏好行事。该基准围绕五个问题展开：策略在零样本情形下如何遵循偏好；如何从演示中学会单一偏好；随着演示数量增加，偏好习得的效率如何变化；学到的偏好能否跨布局与跨任务迁移；以及策略如何组合多种偏好、在偏好冲突时如何表现。这些问题覆盖了从初次接触到多偏好叠加的完整链条。
偏好如何被定义
为了让偏好可测量，作者在仿真环境中给出了一套受控的表述方式与分类体系，把可观察的偏好归入运动、技能和用户画像三类选择。这套表述有明确边界：只涵盖能够用语言表达、且能在 LIBERO 中实例化而不改变任务目标的偏好；偏好可以被自动评估；并且能够在不同任务之间复用。在此基础上，作者沿用 LIBERO 构建了一条程序化流水线，成对生成带偏好与不带偏好的演示，从而把偏好变量单独隔离出来。最终形成五个任务套件，共 312 个任务，每个任务都配有高质量演示、丰富的元数据以及衡量偏好满足程度的指标。
实验暴露的短板
实验结果显示，当前的 VLA 策略在零样本个性化上表现吃力，难以直接按偏好行事；而经过 SFT 之后，偏好变得可以学习。在训练方式上，混合训练相比顺序适配能更好地保留无偏好情况下的原有能力，并且在加入上下文提示时，效果优于只训练偏好的做法，但混合训练可能削弱运动类偏好的学习。此外，偏好的泛化、分解以及冲突处理，依然是尚未解决的难点。对关注具身智能的研究者与开发者而言，这套基准提供了可复现的评测入口，代码、数据集与演示均已公开，论文被 NeurIPS 2026 收录。
为什么值得看
首次把机器人操作中的个性化偏好单独拆出来做可控评测，并给出 312 个任务与偏好满足度指标，为 VLA 个性化能力提供…
信源1 家
关键事实
论文提出 LIBERO-PeRM，一个用于具身智能体偏好学习的基准，把任务完成与偏好满足分开评估。[1]
该基准研究五个问题，涵盖零样本偏好遵循、从演示学习单一偏好、演示增多时的获取效率、跨布局与任务的泛化、以及偏好组合与冲突。[1]
作者在仿真中提出可控的偏好分类，覆盖动作、技能与用户画像选择，且限于可用语言表达、不改变任务目标、可自动评估并跨任务复用的偏好。[1]
基于 LIBERO 的程序化流程生成带偏好与不带偏好的成对演示，构建五个任务套件共 312 个任务，含高质量演示、元数据与偏好满足度指标。[1]
实验表明当前 VLA 策略零样本个性化困难，SFT 使偏好可学；混合训练在无偏好保持上优于顺序适配，但可能削弱动作偏好学习，偏好泛化、分解与冲突处理仍难。[1]
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。