LIBERO

LIBERO是机器人视觉-语言-动作(VLA)学习领域的重要框架，致力于提升机器人在复杂环境中的自主决策能力。近期该领域研究活跃，多支团队发布了优化模型效率和性能的新方法。

LIBERO 近期进展

2023年9月，研究人员提出了RAPID框架，可以从单次人类演示自动生成并验证机器人程序，大幅简化了机器人学习过程。RAPID：从单次人类演示自动生成并验证机器人程序

同期，Rolling-WAM方法通过滑动窗口式去噪技术，使机器人重规划速度提升了4.5倍，显著提高了实时决策能力。Rolling-WAM：滑动窗口式去噪让机器人重规划提速4.5倍

MemBodied方法引入固定大小情景记忆机制，有效提升了VLA模型在处理历史依赖任务时的表现。MemBodied：用固定大小情景记忆提升 VLA 模型的历史依赖任务表现

FoldQuantVLA框架实现了VLA模型的原生低比特量化，使模型在保持性能的同时大幅减少了计算资源需求。FoldQuantVLA：视觉-语言-动作模型的原生低比特量化框架

机器人学习领域正朝着更高效、更实用的方向发展。LIBERO作为这一领域的关键框架，面临着如何在保持模型性能的同时降低计算复杂度的挑战。研究人员正在探索轻量化模型设计、高效推理算法以及边缘计算与云端协同的解决方案。这些进展不仅推动了学术研究的发展，也为实际应用场景提供了更多可能性。