LIBERO-PeRM: Benchmarking Personalized Robotic Manipulation
作者: Zhixu Li, Keqian Tang, Litian Gong, Jingyu Yao, Wenqian Zhang, Tianze Xu, Zehao Wang, Yuping Wang, Junge Zhang, Jiachen Li
分类: cs.RO, cs.AI, cs.LG
发布日期: 2026-10-15
备注: Conference on Neural Information Processing Systems (NeurIPS 2026); Project Website: https://libero-perm.github.io/
🔗 代码/项目: PROJECT_PAGE
💡 一句话要点
提出LIBERO-PeRM以解决个性化机器人操控基准问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 个性化机器人 偏好学习 机器人操控 家庭环境 基准测试 演示生成 任务评估
📋 核心要点
- 个性化机器人操控（PeRM）缺乏控制基准，难以区分任务完成与用户偏好满足，限制了其在家庭环境中的应用。
- 提出LIBERO-PeRM基准，通过受控的偏好表述和分类法，支持个性化学习并生成带偏好的演示。
- 实验表明，当前的VLA策略在零样本个性化中表现不佳，而SFT方法使偏好学习成为可能，混合训练在无偏好保留上优于顺序适应。
📝 摘要（中文）
个性化是通用机器人进入家庭环境并实现实际应用的关键。尽管一般的机器人操控已被广泛研究，但个性化机器人操控（PeRM）缺乏一个控制基准来区分任务完成与偏好满足。我们引入了LIBERO-PeRM，这是一个用于具身智能体偏好学习的基准，研究五个问题，包括如何在零样本设置中遵循偏好、如何从演示中学习单一偏好等。我们提出了一种受控的偏好表述和分类法，涵盖运动、技能和用户特征选择，且这些偏好可以在LIBERO中实例化而不改变任务目标。基于LIBERO，我们的程序化管道生成带有和不带有偏好的配对演示，创建了包含312个任务的五个任务套件，提供高质量的演示、丰富的元数据和偏好满足度指标。
🔬 方法详解
问题定义：本论文旨在解决个性化机器人操控（PeRM）缺乏控制基准的问题，现有方法无法有效区分任务完成与用户偏好满足，限制了机器人在家庭环境中的实用性。
核心思路：提出LIBERO-PeRM基准，通过受控的偏好表述和分类法，研究个性化学习的多个方面，包括偏好遵循、学习效率和偏好泛化等。这样的设计旨在为个性化机器人操控提供一个系统化的评估框架。
技术框架：整体架构包括偏好表述模块、演示生成管道和任务评估模块。偏好表述模块负责定义可观察的偏好，演示生成管道则生成带有和不带有偏好的配对演示，任务评估模块用于评估偏好满足度和任务完成情况。
关键创新：最重要的技术创新在于提出了一个系统化的偏好分类法，并在此基础上构建了LIBERO-PeRM基准，能够在不改变任务目标的情况下，自动评估和重用偏好。与现有方法相比，该基准提供了更为细致的偏好学习评估。
关键设计：在偏好表述中，限制使用可用语言表达的偏好，确保其在LIBERO中可实例化。损失函数设计上，采用了适应性损失函数以提高偏好学习的效率，同时在网络结构上，结合了多模态输入以增强模型对偏好的理解能力。
🖼️ 关键图片
📊 实验亮点
实验结果显示，当前的VLA策略在零样本个性化任务中表现不佳，而SFT方法显著提升了偏好学习的能力。混合训练方法在无偏好保留上优于顺序适应，且在使用上下文提示时表现出更好的性能，但在运动偏好学习方面可能存在弱化现象。偏好泛化、分解和冲突处理仍然是挑战。
🎯 应用场景
该研究的潜在应用领域包括家庭服务机器人、个性化助理和智能家居系统。通过实现个性化操控，机器人能够更好地适应用户的需求和偏好，从而提升用户体验和满意度。未来，该基准可能推动个性化机器人技术的进一步发展，使其在实际应用中更加普及。
📄 摘要（原文）
Personalization is essential for general-purpose robots to transition into household environments and achieve true practicality. While general robotic manipulation has been extensively studied, personalized robotic manipulation (PeRM) lacks a controlled benchmark for separating task completion from preference satisfaction. We introduce LIBERO-PeRM, a benchmark for preference learning in embodied agents. LIBERO-PeRM studies five questions: 1) how policies follow preferences in zero-shot settings; 2) how they learn single preferences from demonstrations; 3) how efficiently they acquire preferences as demonstrations increase; 4) how learned preferences generalize across layouts and tasks; and 5) how policies compose preferences and behave under conflicts. We propose a controlled formulation and taxonomy of observable preferences in simulation, covering motion, skill, and user-profile choices. This formulation is restricted to language-expressible preferences that can be instantiated in LIBERO without changing the task goal, evaluated automatically, and reused across tasks. Building on LIBERO, our procedural pipeline generates paired demonstrations with and without preferences. We create five task suites (312 tasks) with high-quality demonstrations, rich metadata, and preference-satisfaction metrics. Experiments show that current VLA policies struggle with zero-shot personalization, while SFT makes preferences learnable. Mixed training achieves better no-preference retention than sequential adaptation and improves performance with contextual prompts compared with preference-only training, but can weaken motion-preference learning; preference generalization, decomposition, and conflict handling remain difficult. The code, datasets, and demos can be found on the project website: https://libero-perm.github.io/.