LIBERO 的核心作用
LIBERO 是一个基于 robosuite 框架构建的综合性基准测试平台，专门用于研究多任务和终身机器人学习中的知识迁移。它聚焦于机器人操作任务，要求智能体掌握两类关键知识：陈述性知识（物体与空间关系）以及程序性知识（运动与行为）。
核心原理与设计
任务生成与基准
系统内置程序化生成管道，理论上可生成无限数量的操作任务。目前包含 130 个任务，划分为四个套件，每个套件都引入了受控的分布偏移：
- LIBERO-Spatial/Object/Goal：侧重特定类型知识的迁移测试。
- LIBERO-100：包含 100 个需要迁移纠缠知识的操作任务。
学习框架与策略
由于任务奖励稀疏（仅完成任务时获得 +1），系统主要采用模仿学习，依赖高质量的人类遥操作演示数据。视觉运动策略网络实现了三种主流架构：
bc_rnn_policy：基于 RNN 的行为克隆。bc_transformer_policy：基于 Transformer 的行为克隆。bc_vilt_policy：基于视觉 - 语言 Transformer 的行为克隆。
配合五种终身学习算法，包括顺序微调基线、经验回放（ER）、弹性权重巩固（EWC）、PackNet 渐进式剪枝以及多任务学习基线。
任务套件详解
LIBERO 共含 130 个任务，分为四个主要部分：
- LIBERO-Spatial（10 个）：涉及黑碗放置到盘子的不同空间位置变化。
- LIBERO-Object（10 个）：将不同物体（如汤罐头、黄油、牛奶等）放入篮子。
- LIBERO-Goal（10 个）：多样化的操作目标，如打开抽屉、放置酒瓶等。
- LIBERO-100（100 个）：进一步细分为 LIBERO-90（预训练）和 LIBERO-10（下游测试）。
以 LIBERO-10 为例，这些任务来自客厅、厨房等不同场景，涉及复合操作，例如'将字母汤和番茄酱都放入篮子'或'打开炉子并将摩卡壶放上去'。系统还支持 21 种不同的任务顺序排列，用于评估算法在动态序列下的表现。
算法实现细节
终身学习算法
这里重点看几个核心算法的实现逻辑。
**顺序微调（Sequential）**是最基础的基线，按顺序在每个任务上训练，不防遗忘。
**经验回放（ER）**维护一个旧任务数据缓冲区，混合新旧数据训练以防止灾难性遗忘。
**弹性权重巩固（EWC）**则通过 Fisher 信息矩阵估计参数重要性，在损失函数中添加惩罚项保护重要参数。
PackNet 采用渐进式网络剪枝，为每个任务分配不同的网络子集，冻结已用权重后在剩余权重上学习。
神经网络架构
三种策略网络均继承自 BasePolicy 基类，统一接口但时序建模方式不同。
BCRNNPolicy 使用 LSTM 处理时序信息，结合图像、语言和关节状态编码器。
BCTransformerPolicy 引入自注意力机制，将额外模态转换为 token 输入时序 Transformer。
BCViLTPolicy 则采用双层 Transformer，分别处理空间编码（融合图像与语言）和时序编码，前向传播分两个阶段进行。
评估与挑战
LIBERO 旨在解决终身学习中的几个核心难题。首先是，通过受控分布偏移系统性研究不同类型知识的迁移能力。其次是，系统利用混淆矩阵跟踪在学习新任务 k 后对旧任务 p 的性能影响。此外，还计算指标，前者衡量学习速度（成功率 AUC），后者反映新任务对旧任务性能的冲击。
