跳到正文
arXiv · ML· Petko Petkov, Giuliano Albanese, Nikolay Nikolov, Luc Van Gool, Jonathan Tremblay, Danda Pani Paudel·· 2026-10-14AI 评分25

LADDER:长时域机器人操作基准测试

LADDER: A Long-Horizon Robot Manipulation Benchmark

AI 导读

提出LADDER基准,包含三个测试套件、145个任务及2024条模拟轨迹,用于隔离评估长时域机器人操作中的失败模式。 低层策略在单子目标任务中成功率达85.4%,但在扩展任务中骤降至接近零;基于工具选择的编排(如GPT-Policy)成功率约为62%。 该基准证实了编排对提升长时域任务性能的作用,且受限于底层物理执行误差而非高层规划。

来源:arXiv · ML · arxiv.org