知识卡片：LIBERO-PeRM：个性化机器人操作基准

一句话结论

LIBERO-PeRM 是一个在 LIBERO 仿真环境中构建的个性化机器人操作（PeRM）基准，通过将“任务完成”与“偏好满足”分离，系统评估具身智能体在零样本、监督学习、泛化、组合与冲突等五个维度上的偏好学习能力。

事件概述或研究问题

通用机器人要进入家庭环境并真正实用，个性化不可或缺。然而，通用机器人操作已被广泛研究，个性化机器人操作（Personalized Robotic Manipulation, PeRM）却缺乏一个受控基准来区分任务完成与偏好满足。LIBERO-PeRM 旨在填补这一空白，围绕五个核心问题展开研究：

1. 策略在零样本设置下如何遵循偏好；
2. 策略如何从演示中学习单一偏好；
3. 随着演示数量增加，策略获取偏好的效率如何；
4. 学到的偏好如何跨布局和任务泛化；
5. 策略如何组合偏好，以及在偏好冲突时如何表现。

方法/产品要点

• 偏好的受控形式化与分类体系：覆盖运动（motion）、技能（skill）和用户画像选择（user-profile choices）三类可观察偏好。
• 约束条件：偏好必须是语言可表达的、可在 LIBERO 中实例化且不改变任务目标、可自动评估、可跨任务复用。
• 数据生成流程：基于 LIBERO 的程序化管线生成“带偏好”与“不带偏好”的配对演示。
• 基准规模：五个任务套件，共 312 个任务，配有高质量演示、丰富元数据和偏好满足度指标。
• 代码/数据/演示：发布于项目网站 https://libero-perm.github.io/。

主要结果或产业意义

• 当前 VLA（视觉-语言-动作）策略在零样本个性化方面表现不佳。
• 监督微调（SFT）能使偏好变得可学习。
• 混合训练在无偏好保持方面优于顺序适应，在上下文提示下相较仅偏好训练表现更好，但可能削弱运动偏好的学习。
• 偏好的泛化、分解与冲突处理仍然是难点。

为什么重要

• 将“任务完成”与“偏好满足”解耦评估，为个性化机器人操作提供了可量化的研究框架。
• 明确了当前 VLA 策略在个性化场景下的能力边界，为后续研究提供了基准和诊断工具。
• 对通用机器人进入家庭环境具有直接推动作用，因为家庭场景中的个性化需求（如摆放习惯、操作风格）是实用性的关键。

局限与不确定性

• 基准完全基于 LIBERO 仿真环境，真实世界迁移效果待核实。
• 偏好范围限定为语言可表达、不改变任务目标的类型，无法覆盖隐性或改变目标的偏好。
• 论文未提供作者机构信息，待核实。
• 混合训练削弱运动偏好学习的具体机制待进一步分析。

可用于图书/PPT/简报的角度

• “个性化”作为机器人实用化的最后一公里：从通用操作到个性化操作的范式转变。
• 基准设计的艺术：如何将主观的“偏好”转化为可量化、可复现的评估指标。
• VLA 策略的能力边界：零样本个性化为何失败，SFT 为何有效。
• 多目标学习的权衡：任务完成与偏好满足之间的张力，以及混合训练中的取舍。

与既有脉络的关系

与“战略性扩展：通过偏置感知评估与数据收集实现机器人操作的组合泛化学习”相比，LIBERO-PeRM 关注的是个性化偏好而非组合指令泛化；两者都涉及策略在非标准条件下的行为评估，但前者聚焦语义因素偏置，后者聚焦偏好满足与任务完成的分离。与 DreamX-Phi 1.0 和 RoMAN-Flow 相比，LIBERO-PeRM 不提出新模型或算法，而是提供评估基准，属于互补性工作。

原始材料

• 标题: LIBERO-PeRM: Benchmarking Personalized Robotic Manipulation
• arXiv ID: 2610.22372v1
• 作者: Zhixu Li, Keqian Tang, Litian Gong, Jingyu Yao, Wenqian Zhang, Tianze Xu, Zehao Wang, Yuping Wang, Junge Zhang, Jiachen Li
• 发布时间: 2026-10-15T17:59:59Z
• 主要分类: cs.RO
• 其他分类: cs.AI, cs.LG
• 摘要链接: https://arxiv.org/abs/2610.22372v1
• PDF 链接: https://arxiv.org/pdf/2610.22372v1
• 项目网站: https://libero-perm.github.io/
• 关键词: personalized robotic manipulation, preference learning, benchmark, LIBERO, VLA policies, embodied agents