LIBERO-PeRM：首个个性化机器人操作基准发布

通用机器人走进家庭，光会干活还不够——它得学会"按你的习惯干活"。比如同样是倒水，有人喜欢杯子放在右手边，有人习惯左手；同样是叠衣服，有人要求按颜色分类，有人要求按材质。这种对个人偏好的满足能力，正在成为机器人实用化的关键门槛。

最近发布的 LIBERO-PeRM 基准，第一次把"任务完成"和"偏好满足"这两件事拆开来单独评测。据项目方介绍，这是首个针对具身智能体偏好学习的受控基准，目标是为个性化机器人操作（PeRM）建立可量化、可复现的评测标准。

为什么需要单独的个性化基准？

过去几年，通用机器人操作的研究进展迅猛，VLA（视觉-语言-动作）模型在抓取、放置、组装等任务上不断刷新成绩。但这些评测几乎都只问一个问题：任务完成了吗？

问题在于，任务完成并不等于用户满意。一个机器人可以把盘子放进洗碗机，但如果你习惯按碗碟尺寸分区摆放，那它依然没"做对"。现有基准缺少把这两层能力分离出来的机制，导致我们无法判断：一个模型究竟是学会了偏好，还是碰巧完成了任务。

LIBERO-PeRM 的核心贡献，是提出了一套受控的偏好形式化定义和分类体系。它把仿真中可观察的偏好分成三类：运动偏好（比如从哪个方向接近物体）、技能偏好（比如抓取方式）、用户画像偏好（比如物品摆放位置）。这套定义有几个硬性约束：偏好必须能用语言表达、不改变任务目标、可自动评测、且能跨任务复用。

据项目方说明，这保证了基准测试的是"偏好学习"本身，而不是把新任务混进来充数。

VLA（Vision-Language-Action，视觉-语言-动作）模型是近年来具身智能领域的核心范式。它的基本思路是：将摄像头采集的视觉信息、自然语言指令和机器人动作序列统一到同一个模型中，让模型能够"看懂画面、听懂指令、做出动作"。典型代表包括 RT-2、OpenVLA 等。与传统的模块化流水线（先感知、再规划、后控制）不同，VLA 端到端地从原始输入直接预测动作，因而具备更强的泛化潜力。但正因为它是端到端训练的，任务成功与偏好满足之间的边界变得模糊，这也是 LIBERO-PeRM 需要单独设计评测机制的原因之一。

监督微调（SFT，Supervised Fine-Tuning）是当前让预训练模型适配下游任务最常用的方法：在特定任务的高质量演示数据上继续训练模型参数，使其输出分布向目标行为靠拢。在偏好学习场景中，SFT 的作用是让模型从演示中"看出"偏好模式并加以模仿。然而 SFT 存在一个结构性矛盾：新数据学得越深，原有能力遗忘得越多，这就是所谓的灾难性遗忘。论文中混合训练与顺序适配的对比，本质上就是在权衡"学新偏好"与"保旧能力"之间的取舍。

五个问题，五套任务

LIBERO-PeRM 围绕五个递进问题设计评测体系：

• 零样本条件下，策略能否遵循偏好指令？
• 从演示中，策略能否学会单一偏好？
• 演示数量增加时，偏好习得效率如何变化？
• 学到的偏好能否泛化到新布局和新任务？
• 多个偏好冲突时，策略能否组合并合理处理？

在 LIBERO 原有环境基础上，项目方搭建了一条程序化数据生成管线，能自动产出"带偏好"和"不带偏好"的成对演示。最终建成的五个任务套件包含 312 个任务，配有高质量演示、丰富元数据和偏好满足度指标。

LIBERO 本身是一个广泛使用的机器人操作基准平台，全称是 Lifelong Robot Learning Benchmark，提供多种桌面操作环境、标准化任务定义和演示数据格式。它的特点是任务多样性高、仿真稳定、支持持续学习研究。LIBERO-PeRM 并非另起炉灶，而是在 LIBERO 原有环境之上扩展出偏好维度，因此继承了其任务体系和仿真基础设施，同时新增了偏好定义、成对演示生成管线和偏好满足度指标。这种"在成熟平台上加层"的做法，有利于结果的可复现性和与既有工作的可比性。

实验结果：VLA 的个性化能力还很薄弱

论文给出的实验结论相当直接。当前主流 VLA 策略在零样本个性化场景下表现不佳——它们能完成任务，但很难仅凭指令就遵循偏好。

监督微调（SFT）能让偏好变得可学习，这是好消息。但后续的对比实验揭示了更细的权衡：

混合训练在"无偏好保持"上优于顺序适配，配合上下文提示时也比纯偏好训练表现更好，但它会削弱运动偏好的学习效果。换句话说，想让模型既保留原有能力又学会新偏好，目前还没有免费午餐。

至于偏好的泛化、分解和冲突处理，论文明确指出"仍然困难"。这意味着模型学到的偏好往往绑定在特定场景，换一个布局或叠加另一个偏好就容易失效。

对行业意味着什么

这个基准的价值，不在于刷出一个新分数，而在于把"个性化"从模糊的产品概念变成了可测量的研究问题。

对做家用机器人的团队来说，LIBERO-PeRM 提供了一套现成的评测工具，可以用来检验自己的模型在偏好学习上的真实水平，而不是只看任务成功率。对研究者而言，五个问题构成了清晰的路线图：从零样本遵循，到多偏好组合，每一步都有明确的失败模式和待攻克难点。

代码、数据集和演示已在项目网站公开。个性化机器人操作这个方向，终于有了第一块像样的标尺。