BURGER 机器人绘画基准发布，评估五款 VLA 模型泛化能力
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，非原文转载基准设计与数据生成
BURGER 把绘画作为检验视觉-语言-动作模型泛化能力的载体。任务设定中，智能体每次都从同一张空白画布开始，按语言指令控制机械臂画出指定物体或空间构图。关键设计在于指令的开放性：同一条语言描述对应多种合法画法与笔画顺序，模型不能靠记忆固定轨迹过关。为降低在真实机器人上采集数据的成本，团队搭建了提示驱动的可扩展流程，可批量生成连续绘画轨迹，仿真与真实环境均适用。最终构建的基准覆盖 282 个绘画任务，仿真演示达 28,200 条，为按数据规模分层评估提供了基础。
五款模型的评测维度
评测围绕三条线索展开。其一是数据规模：观察演示数量增加时各模型表现如何变化。其二是语言接地：模型能否把指令中的物体与空间关系对应到画布上的具体笔画。其三是多模态行为：同一指令下模型是否表现出多样的合法画法，而非坍缩到单一模式。BURGER 的设计支持对语言接地、空间构图与动作生成做细粒度分析，实验据此呈现出不同 VLA 模型各自不同的失败模式，而不是只给一个总分。
实验发现与真机部署
实验结果表明，部分 VLA 模型能受益于更高的任务多样性与更大的演示规模，能够捕捉多模态绘画行为，并可泛化到熟悉物体的未见组合。这一结论指向数据多样性与规模对泛化的重要性。团队进一步把训练后的策略部署到 Franka Panda 机械臂上，展示其在人工干预下进行反应式绘画的能力，说明该基准不止停留在仿真评测，也向真实机器人场景延伸。项目主页与代码已公开。
为什么值得看
用绘画任务低成本检验 VLA 模型的语言接地与泛化，并给出五款模型的失败模式对比，对做机器人策略评测的人有直接参考价值。
信源1 家
关键事实
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。