MESA机器人策略泛化评测框架发布

Albert Wilcox 等作者发布 MESA 评测框架，用于精确、可复现地测量语言条件策略的泛化能力。框架包含五个评测套件，把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分开，以诊断策略在哪里失败、为何失败；作者用改进的 MimicGen 构建 MESA-Gen 任务与演示生成流水线。 作者在两个平台实例化并同时发布：单臂 MESA 套件，以及被称为首个大规模双臂泛化基准的 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%。作者称 MESA 排名与 RoboArena 分数大体一致，认为其捕捉到仿真之外的方法级差异。 该工作发表于 CoRL 2026。上述成功率与排名一致性均为作者报告的结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。