机器人操作的归纳推广

了解视觉运动策略的泛化能力对于开发有能力的机器人代理至关重要。可泛化模型学习跨领域转移的结构。然而，在实践中，视觉运动策略通过使用非结构化域转移（例如照明、杂乱、不同物体）对已知分布进行插值来测试性能。我们认为，为了衡量泛化能力，我们必须测试策略对逐渐困难的、超出分布的任务变体的归纳能力。我们称之为归纳泛化，直接利用基于轴的评估如何揭示语言模型中固有的泛化局限性（例如序列长度、计数）arXiv:2502.00197。我们提供了一个可重复使用的正式评估协议，用于测量任何操纵策略中的归纳泛化，并建立基线来表明现有范式未能通过此测试；例如SoTA 视觉-语言-行动模型并发现似乎泛化到先前领域转移（干扰因素等）的策略未能通过归纳泛化测试。这些结果揭示了一系列与机器人学习中数据和模型扩展所解决的挑战正交的学习挑战，但为了实现通用机器人，必须解决这些挑战。