Lifelong Robot Learning Benchmark
LIBERO
Stanford / AI2
LIBERO 是 Stanford / AI2 提出的终生机器人学习基准。
定义了 130 个语言条件操作任务，覆盖 5 大维度泛化测试（场景、物体、布局、任务组合、未见任务）。
数据以 HDF5 格式发布，提供 50+ 小时人类遥操作演示，支持连续学习评估。
📋 规范性要求
任务定义
🔴 必须
必须覆盖 130 个语言条件操作任务
含 5 大泛化维度：场景（Scene）、物体（Object）、布局（Spatial）、任务组合（Task）、未见任务（Novel）
数据组织
🔴 必须
数据必须以 HDF5 格式发布，兼容 robomimic
每个 demo 包含 states/actions/rewards/dones 和 obs group
评估协议
🔴 必须
必须按 5 个维度分别评估和报告
每个维度独立测试策略在该维度上的泛化性能
环境配置
🔴 必须
必须在 robosuite 仿真环境中运行
基于 MuJoCo 物理引擎，使用 Franka Panda 或 Kinova 机械臂
观测格式
🟡 建议
建议提供 agentview 和 eye_in_hand 双视角图像
同时提供 robot0_eef_pos/robot0_eef_quat/robot0_gripper_qpos 等低维状态
训练协议
🟢 可选
可选使用终生学习（Lifelong Learning）协议
顺序学习 130 个任务，测试知识积累和灾难性遗忘缓解能力
发布组织
Stanford / AI2
标准类型
评测基准
开放程度
● 完全开源
许可证
开源
适用场景
仿真
数据模态
RGB、Proprioception、Action