TAVIS：主动视觉模仿学习评测基准提出

Giacomo Spigler等作者提出TAVIS，一个用于评测操控任务中由策略主动控制注视的模仿学习基准，构建于IsaacLab。基准包含两套任务：TAVIS-Head（5个任务，通过pan/tilt颈部进行全局搜索）和TAVIS-Hands（3个任务，通过腕部相机应对局部遮挡），覆盖GR1T2和Reachy2两种humanoid torso。 TAVIS提供三项评测要素：在相同示范数据上的头戴相机对比固定相机的成对协议；基于认知科学与HRI的新指标GALT（Gaze-Action Lead Time），量化所学策略中的预期性注视；以及程序化生成的ID/OOD数据划分。代码与评估脚本已在GitHub发布，示范数据（LeRobot v3.0格式，约2200个episode）和训练好的基线模型发布于HuggingFace。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。