arXiv · cs.AI· Zhixu Li, Keqian Tang, Litian Gong, Jingyu Yao, Wenqian Zhang, Tianze Xu, Zehao Wang, Yuping Wang, Junge Zhang, Jiachen Li·· 7 小时前
LIBERO-PeRM：个性化机器人操作基准
LIBERO-PeRM: Benchmarking Personalized Robotic Manipulation
arXiv:2610.22372v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Zhixu Li, Keqian Tang, Litian Gong, Jingyu Yao, Wenqian Zhang, Tianze Xu, Zehao Wang, Yuping Wang, Junge Zhang, Jiachen Li
研究任务与主要进展
作者提出LIBERO-PeRM，用于区分机器人操作中的任务完成与偏好满足，覆盖零样本偏好遵循、示范学习、偏好泛化、偏好组合与冲突处理五个问题。该基准包含五个任务套件、共312个任务，以及带偏好和无偏好的成对示范、丰富元数据和偏好满足指标；摘要中的实验显示，当前VLA策略难以完成零样本个性化，SFT可提升偏好学习，混合训练改善无偏好保持和上下文提示表现，但可能削弱运动偏好学习。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org