待验证50% 置信事实精确时间

LIBERO 是机器人操作领域常用的模仿学习基准，包含 spatial、object、goal、long 等套件，其局限在于任务分布相对固定、场景多样性低于真实部署环境。

1

来源数

50%

置信度

长期有效

时效性

2026/10/18

首次发现

来源

VLA推理加速10倍还能安全？CARE认证框架给出答案

涉及实体

相关事实

待验证LIBERO-PeRM 是首个针对具身智能体偏好学习的受控基准，专门将任务完成与偏好满足分离评测。74% 相似已验证增强学习领域用'sim-to-real gap'描述在模拟环境训练的机器人策略因现实物理差异而在真实世界失效的现象65% 相似待验证传统机器人控制依赖强化学习或预设程序，需针对每个具体任务单独训练，泛化能力极差65% 相似待验证前沿LLM（如Opus、Astra）虽未专门针对机器人动作训练，但凭借海量互联网数据和巨大参数量，在通用推理、任务分解和常识理解上表现突出。63% 相似待验证强化学习和仿真到真实（sim-to-real）迁移被广泛应用于机器人控制领域61% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1058621

API

curl https://kongchang.com/api/v1/knowledge/claims/1058621

MCP

get_claim(id=1058621)