arXiv · cs.RO官方发布· Albert Wilcox, Frank Chang, Nhi Nguyen, Aishani Chakraborty, Jeremy A. Collins, Vaibhav Saxena, Benjamin Joffe, Siddharth Karamcheti, Animesh Garg·· 2 小时前精选AI 评分72
论文 / 摘要阅读
MESA：面向机器人语言条件策略组合、语义与空间泛化的评测框架
MESA: An Evaluation Framework for Compositional, Semantic, and Spatial Generalization in Robotics
AI 导读 · 根据来源整理
MESA 是一个用于精确、可复现测量语言条件策略泛化能力的评测框架，包含五个评测套件，分别隔离分布内表现与空间配置、物体实例、物体类别、子任务组合四条泛化轴，用于诊断策略在哪里以及为何失败。作者通过改进 MimicGen 构建 MESA-Gen 任务与演示生成流水线，并在两个平台上实例化：单臂 MESA 套件和首个大规模双臂泛化基准 BiMESA。研究评测了扩散策略、基于 VLM 的方法和预训练 VLA 共七种基线，最强模型在 MESA 上仅达 52%、在 BiMESA 上仅达 49%。
本站目前提供摘要
以上是对来源材料的中文整理，不是完整论文或全文。研究方法、数据与完整论述请到来源页面核对。
前往 arXiv · cs.RO 阅读原文 ↗来源：arXiv · cs.RO · arxiv.org