LIBERO-PeRM: パーソナライズされたロボットマニピュレーションのベンチマーク

- 家庭環境での実用化に向けた general-purpose robots の personalization を扱う benchmark。 - 名称は LIBERO-PeRM で、personalized robotic manipulation (PeRM) を対象とする。 - task completion と preference satisfaction を分離して評価する controlled benchmark が不在という問題意識。 - 5つの問いを研究: zero-shot での preference 追従、demonstrations からの単一 preference 学習、demonstrations 増加時の効率、layout/task 間の generalization、preference の合成と conflict 下の挙動。 - simulation における観測可能な preference の controlled formulation と taxonomy を提案。motion, skill, user-profile choices を網羅。…

- general robotic manipulation は広く研究されているが、personalized robotic manipulation (PeRM) には task completion と preference satisfaction を分離する controlled benchmark が無かった。 - LIBERO-PeRM は preference learning in embodied agents のための benchmark を提供する点が新しい。 - preference を language-expressible かつ task goal を変えずに LIBERO 上で instantiate 可能なものに制限し、自動評価と task 間再利用を可能にした点が特徴。 - 既存の LIBERO を基盤に paired demonstrations を procedural に生成する pipeline を構築。 - 5 task suites (312 tasks) と preference-satisfaction metrics を備える点で…

- simulation における観測可能な preference の controlled formulation と taxonomy を提案。 - preference の分類は motion, skill, user-profile choices をカバー。 - language-expressible で task goal を変更せず LIBERO 上で instantiate 可能、自動評価可能、task 間で再利用可能な preference に限定。 - LIBERO を基盤とした procedural pipeline により、preference あり/なしの paired demonstrations を生成。 - 5 task suites (312 tasks) を作成し、高品質 demonstrations、rich metadata、preference-satisfaction metrics を付与。 - 評価では zero-shot personalization、demonstrations からの preference 学習、demonstr…

- LIBERO-PeRM benchmark 上で current VLA policies を評価。 - zero-shot personalization では current VLA policies が苦戦することを示す。 - SFT により preferences が learnable になることを確認。 - mixed training は sequential adaptation より no-preference retention が良く、preference-only training より contextual prompts 下での performance が向上するが、motion-preference learning を弱めうることを示す。 - preference generalization, decomposition, conflict handling は依然として難しいことを実験で示す。 - 自動評価のための preference-satisfaction metrics を用いて検証。 - 具体的な数値結果や被験者実験の詳細は要旨からは不…

- current VLA policies は zero-shot personalization に苦戦する。 - SFT で preferences は learnable になるが、generalization, decomposition, conflict handling は難しいまま。 - mixed training は no-preference retention と contextual prompts 下の performance で利点がある一方、motion-preference learning を弱める可能性がある。 - preference の合成や conflict 下の挙動には課題が残る。 - 制限として、language-expressible で task goal を変えず LIBERO 上で instantiate 可能な preference に限定している点が挙げられる。 - 実世界への転移や他の preference タイプへの拡張性については要旨からは不明。

- LIBERO (基盤 benchmark) - VLA policies (vision-language-action policies) - SFT (supervised fine-tuning) - sequential adaptation - mixed training - preference-only training - contextual prompts - preference learning in embodied agents - personalized robotic manipulation (PeRM) - 具体的な個別論文名は要旨からは不明。