LIBERO

LIBERO Benchmark (Benchmarking Knowledge Transfer for Lifelong Robot Learning)入门必知

含 130 个桌面操作任务的仿真基准，VLA 论文最常报的榜单之一。

LIBERO 由 Bo Liu、Yuke Zhu、Peter Stone 等人提出，发表于 NeurIPS 2023 数据集与基准赛道，原本用来研究终身学习（机器人一个接一个地学新任务）中的知识迁移。它建在 robosuite（底层是 MuJoCo）上，程序化生成了 130 个带语言指令的任务，分四个套件：Spatial（换摆放位置）、Object（换物体）、Goal（换目标）各 10 个任务；LIBERO-100 分为预训练用的 LIBERO-90 和 10 个长程任务的 LIBERO-Long（即 LIBERO-10）。每个任务配 50 条人工遥操作演示。它后来成了 VLA 微调最常用的榜单之一，头部方法平均成功率已超 97%，因此又出现了加扰动的 LIBERO-Plus、LIBERO-PRO。