知识卡片：BURGER——通过具身绘画基准评测并理解机器人泛化能力

一句话结论

BURGER 是一个语言条件化的机器人绘画基准，用可扩展的提示驱动流水线生成连续绘画轨迹，以 28,200 条模拟演示覆盖 282 个绘画任务，系统评估五类代表性 VLA 模型在数据规模、语言 grounding 与多模态行为上的泛化表现。

事件概述或研究问题

论文关注的核心问题是：随着训练数据规模扩大，视觉-语言-动作（VLA）模型能在多大程度上学会多样化的语言条件化行为。回答该问题需要大规模、多样化的机器人数据集，而真机采集成本高昂。BURGER 以此为动机，构建了一个可在仿真与真实世界中生成绘画轨迹的基准，用于细粒度分析语言 grounding、空间构图与动作生成。

方法/产品要点

• 任务设定：智能体从同一张空白画布出发，控制机械臂绘制语言指定的物体或空间构图；每条指令允许开放式多样的有效画作与笔顺，不存在唯一标准答案。
• 数据生成：提供可扩展、提示驱动的流水线，生成连续绘画轨迹，同时支持仿真与真实世界。
• 评测规模：28,200 条模拟演示，覆盖 282 个绘画任务；评估五种代表性 VLA 模型。
• 分析维度：数据规模（data scales）、语言 grounding、多模态行为（同一指令下的多种有效绘制方式）。
• 真机部署：将训练后的策略部署到 Franka Panda 机械臂，展示在人类干预下进行反应式绘画的能力。
• 项目主页与代码：https://siyingzhao.github.io/BURGER/

主要结果或产业意义

• 实验揭示了不同 VLA 模型各自不同的失败模式，BURGER 支持对语言 grounding、空间构图与动作生成的细粒度分析。
• 部分 VLA 模型可从更高的任务多样性与演示规模中受益。
• 部分模型能够捕捉多模态绘画行为（同一指令对应多种有效画法与笔顺）。
• 部分模型可泛化到熟悉物体的未见组合（unseen compositions）。
• 真机实验表明训练策略能在人类干预下进行反应式绘画，说明基准不止于仿真评测。

为什么重要

机器人泛化评测长期受限于真机数据采集成本与任务多样性不足。BURGER 用绘画这一“开放式正确解”的任务形态，把语言 grounding、空间构图和多模态动作生成放在同一可扩展框架下考察，为理解 VLA 模型随数据规模扩展的行为变化提供了受控测试床。相较于既有工作对组合泛化偏置（如捷径偏置诊断）或推理-行为对齐的关注，本条提供的是面向数据规模与多模态行为分析的基准侧增量。

局限与不确定性

• 摘要未给出五种 VLA 模型的具体名称与各任务上的量化结果，待核实。
• 真机实验仅提及 Franka Panda 上的反应式绘画演示，真机评测的规模与系统性待核实。
• 绘画任务在多大程度上代表一般机器人操作能力，材料未作论证，待核实。
• 基准的仿真到真实迁移效果与评测协议细节，待核实。

可用于图书/PPT/简报的角度

• 用“同一空白画布、多种正确画法”说明开放式任务为何适合检验多模态行为与语言 grounding。
• 以绘画作为低成本、可扩展的机器人数据生成范式，讨论数据规模与任务多样性对 VLA 泛化的影响。
• 对比不同 VLA 模型的差异化失败模式，说明单一成功率指标不足以刻画泛化能力。
• 从仿真基准到 Franka Panda 真机反应式绘画，讨论基准走向真实部署的路径。

原始材料

• 标题：BURGER: Benchmarking and Understanding Robotic Generalization via Embodied Drawing
• arXiv ID：2610.40532v1
• 作者：Xiangyu Xu, Bangshuai Peng, Ziyi Liu, Mengjie Zhao, Chenhao Lu, Zhengyang Fan, Huazhe Xu, Kaizhe Hu
• 发布：2026-10-29T17:34:04Z
• 主分类：cs.RO；分类：cs.RO, cs.AI
• Abstract URL：https://arxiv.org/abs/2610.40532v1
• PDF URL：https://arxiv.org/pdf/2610.40532v1
• 项目主页：https://siyingzhao.github.io/BURGER/