LIBERO

零基础可读精读笔记。数字来自 arXiv:2306.03310 原文 Table 1–3。

一句话讲什么（TL;DR）

LIBERO 用 Robosuite 程序化生成 130 个语言条件桌面任务，拆成 Spatial / Object / Goal / 100 四套卷，每任务 50 条专家遥操作示范；系统评测 终身学习（LLDM） 中 陈述性 vs 程序性知识 迁移，并意外发现：顺序微调（SeqL）前向迁移优于 EWC/ER/PackNet，且 LIBERO-90 预训练可能损害下游终身学习。

所以这一节是想说：LIBERO 既是 CL 基准，也是 2024+ VLA 微调的事实考场——但论文原始 setup 与社区用法不完全相同。

---

这是个什么场景

家政机器人周一学会 叠衣服，周二学 洗碗，周三学 整理书架——结果洗碗那天叠衣服全忘了。这叫 灾难性遗忘（catastrophic forgetting）。

以前没有统一考卷：各家自己造任务、自己报 success rate，无法回答——

• 是 记不住物体在哪（陈述性/declarative）？
• 还是 忘了怎么开抽屉（程序性/procedural）？

LIBERO（LIfelong learning BEchmark on RObot manipulation）提供：

1. 四套题型 分别考 空间 / 物体 / 目标 / 混合长程
2. 130 任务 × 50 demo + 自然语言指令
3. FWT / NBT / AUC 指标量化 前向迁移 vs 遗忘

2024 年起 OpenVLA、π₀、RDT-1B 等把 LIBERO 当 per-task 微调成功率 标准卷——与原文 顺序终身学习 是 同一任务定义、不同评估协议 的「一卷两吃」。

和 Split-CIFAR 的类比：Split-CIFAR 按 类顺序 考分类遗忘；LIBERO 按 操纵知识类型 考 declarative/procedural 遗忘——是 决策版 的 split benchmark。

所以这一节是想说：LIBERO 把「机器人会不会忘」拆成可诊断的知识类型，并开源到能一键跑 baseline。

---

之前的人怎么做的，为什么不够好

• Meta-World / RLBench / CALVIN：强在多任务或语言长程，但 不显式解耦 空间/物体/目标三类知识，难定位遗忘原因。
• ContinualWorld：改 Meta-World 50 任务做 CL，但 任务与日常活动、语言条件 弱于 LIBERO。
• Split-CIFAR 等 CL 经典集：只有 图像分类陈述性知识，缺 动作/程序性知识。
• 真机大数据（OXE/DROID）：训 VLA 强，但 终身学习顺序协议 + 可控分布偏移 难做干净 ablation。
• 各 VLA 自建 eval：不可比；LIBERO 用 固定 130 任务 + 50 demo 成为 横向标尺。

ContinualWorld / CORA 等：把 Atari 或 Meta-World 改顺序评测，但 缺 LIBERO 级：Ego4D 启发的日常语言 + PDDL 目标 + 三套 controlled shift。F-SIOL / OpenLORIS 偏 视觉物体增量，不是 完整 manipulation LLDM。

所以这一节是想说：LIBERO 填补的是 「决策 + 程序性知识 + 解耦 shift」 的标准基准空白。

---

这篇论文的新想法

核心：把 LLDM（Lifelong Learning in Decision-Making）需要的知识拆成三类 controlled shift + 一套 entangled 长程卷。

Suite	控制变量	知识类型	任务数
LIBERO-Spatial	同物体集，碗的空间关系/位置变	陈述性（空间）	10
LIBERO-Object	同场景结构，物体类别变	陈述性（物体）	10
LIBERO-Goal	同物体同布局，目标谓词变	程序性（行为）	10
LIBERO-100	三者混合 + 长技能	entangled	100

LIBERO-100 再切分：

• LIBERO-90：90 个短 horizon 任务 → 论文用于 预训练（T5）
• LIBERO-Long：10 个长 horizon 任务 → 下游终身学习评测

论文摘要四条「意外发现」（Abstract）：① 架构设计与 CL 算法同等重要；② SeqL 前向迁移优于现有 CL 方法；③ 语义 rich 语言 embedding ≈ Task-ID；④ 朴素监督预训练可损害 LLDM。

五个研究主题（T1–T5）：知识类型迁移、网络结构、CL 算法、任务顺序鲁棒性、预训练是否有害/有益。

LLDM 与图像 CL 的差异（Introduction）：图像 CL 主要迁移 实体/概念（陈述性）；操纵还需 怎么做（程序性）——例如会找 juice 但不会开 fridge，可能是 两种知识分别遗忘，LIBERO 四套件 部分解耦 这两类失败模式。

所以这一节是想说：design 哲学是 「程序化无限生成 + 固定 130 题 benchmark」 双轨。

---

它分几步做的（方法）

上图说明：Figure 1（ar5iv 原图）（论文原图）。

上图说明：Figure 2（ar5iv 原图）（论文原图）。

上图说明：Figure 3（ar5iv 原图）（论文原图）。

5.1 程序化任务生成管道（Section 4.1）

三步流程（Fig. 2）：

1. 行为模板 + 语言：从 Ego4D 人类活动语料抽模板（如 "Open …"）→ 填仿真可用物体 → 自然语言指令（"Open the top drawer of the cabinet and put the bowl in it"）
2. 初始状态 $\mu_0$：按指令选场景（厨房/桌面等）→ PDDL 描述 物体类别、摆放、初始状态（Fig. 2-A/B）
3. 目标 $g$：PDDL 谓词合取——一元 Open(X)、二元 On(A,B) / In(A,B)；全部谓词为真则 episode 成功

平台：Robosuite + MuJoCo；单臂 Franka Panda 桌面操作。

输入→输出（生成一条任务）：

• 输入：Ego4D 模板 + 物体库 + 场景类型
• 处理：PDDL 采样布局与目标
• 输出：语言指令 + 可仿真执行的 MDP $(\mu_0, g)$

所以这一节是想说：任务不是手写的，是 语言→PDDL→仿真 可扩展管道。

PDDL 人话示例：目标可能是 On(bowl, plate) AND In(milk, basket) 的合取——仿真器每步检查谓词真值，全满足即 success。这与 RL 稀疏奖励不同：成功定义精确、可自动判分，适合 benchmark。

与 Ego4D 的连接：Ego4D 提供 3000+ 小时 第一视角日常活动 + 语言；LIBERO 只取 动词-宾语模板（非视频到动作的 end-to-end），降低生成成本，但保证任务 贴近人类活动分布。

---

5.2 四套任务套件设计细节（Section 4.2）

LIBERO-X（Spatial / Object / Goal 各 10 任务）：

• Spatial：全是「把 bowl 放到 plate 上」，但有 两个同款 bowl，仅 空间关系/位置 不同 → 必须 持续记新空间关系
• Object：全是 pick-place，但 每个任务不同物体 → 记 新物体概念
• Goal：物体与空间固定，仅 目标谓词/指令 变（如 open vs close drawer）→ 记 新动作程序

为何 10 任务/suite？ 原文 footnote：足够观察 catastrophic forgetting 且 算力可承受。

具体任务例子（Spatial）：桌面有 相同物体集（bowl、plate、cabinet 等），指令形如 pick the left/right/中间 bowl place on plate——变的是 bowl 与 plate 的相对位姿，不是 object set。

具体任务例子（Goal）：同一 cabinet + bowl 布局，任务 A 为 open top drawer，任务 B 为 close drawer 或 put bowl in drawer——motor skill / goal predicate 变，视觉场景几乎不变。

LIBERO-100：100 个日常操纵，90 short + 10 long；long 用于测 entangled 知识 + 长程。

所以这一节是想说：三套 X 是 controlled ablation，100 是 realistic 大杂烩。

---

5.3 示范数据采集

项目	规格
每任务轨迹	50 条
采集方式	专家 3Dconnexion Spacemouse 遥操作
策略训练	Behavioral Cloning（BC），GMM 动作头
观测	图像 + 关节/gripper + 语言（非 Markov → 用 $o_{\leq t}$ 历史）

数据格式：开源 HDF5 + 训练/评估脚本（https://libero-project.github.io）。

所以这一节是想说：50 demo/task 是为 sample-efficient BC 研究 CL 算法，不是 RL 稀疏奖励。

Lifelong 问题形式化（Eq.1–2）：顺序任务 $T^1,\dots,T^K$，每任务 $T^k=(\mu_0^k, g^k)$。学到 $T^k$ 时 默认无法访问 $T^{1..k-1}$ 的完整数据（ER 例外：小 buffer）。优化 平均 success，训练用 BC 负对数似然 在每条 demo 上。Partial observability：状态 $s_t \equiv o_{\leq t}$，故 必须时序模型（RNN/Transformer）。

演示内容：每条 $\tau=(o_0,a_0,\dots,o_l)$ 含 多模态 $o_t$（相机、关节、夹爪）与 连续动作 $a_t$；与 VLA 的 离散 token 动作 不同，LIBERO 原生 连续控制 BC。

---

5.4 策略架构（Section 4.4）

三种 视觉-语言-时序 策略（语言默认 BERT embedding）：

架构	视觉	时序	语言注入
ResNet-RNN	ResNet + FiLM	LSTM	FiLM + LSTM 输入
ResNet-T	ResNet	Transformer decoder	语言 token 与视觉 token 并列
ViT-T	ViT	Transformer decoder	语言进 ViT 与 decoder

输出：每步 GMM 采样 连续末端执行器动作。

输入→输出（单步控制）：

1. 输入：当前/历史图像 + 任务语言 + proprio
2. 视觉 backbone → token 序列
3. 时序 backbone 融合
4. GMM head → 采样动作 → Robosuite 执行

所以这一节是想说：架构对比是论文 Table 1 核心，Transformer 时序 普遍强于 RNN。

---

5.5 终身学习算法（Section 4.3）

实现五类 baseline：

算法	类型	角色
SeqL	顺序微调	FWT 上界参考（意外强）
MTL	多任务同时训	性能上界（不可部署但作对照）

训练资源（Appendix）：单实验 1× A100 或 A40（CUDA 11.7）+ 16 CPU——CL 全曲线 比单 task VLA FT 更耗算力。 | ER | Experience Replay | 记忆库回放 | | EWC | 弹性权重巩固 | 正则防遗忘 | | PackNet | 动态子网络 | 参数隔离 |

设定：学到任务 $T^k$ 时 不能访问 先前任务完整数据（ER 除外，存小 buffer）；目标最大化 Eq.(1) 平均 success 的 lifelong 目标，训练用 Eq.(2) BC surrogate。

所以这一节是想说：算法实现覆盖 记忆/正则/动态结构 三类 CL 范式。

ER（Experience Replay）：为每个旧任务存 少量 trajectory 进 buffer，学新任务时 混合采样 旧数据——NBT 与 AUC 较稳，LIBERO-Long 上 优于 PackNet 的 FWT（Table 2）。

EWC：对 Fisher 重要权重 加二次惩罚，防参数漂移——在 LLDM 上 FWT/AUC 常低于 SeqL（Spatial FWT 仅 0.23 vs SeqL 0.72）。

PackNet：每任务 二值掩码 隔离参数；NBT 极低（Goal 上 0.06）但 FWT 受限，Long 上 AUC 0.25。

SeqL vs MTL：SeqL 是 下界式 naive 微调（FWT 强）；MTL 同时见所有任务数据 是 性能上界（不可在线部署但作对照）。

---

5.6 评估指标（Section 5.1）

记 $c_{i,j,e}$：学完前 $i-1$ 任务、在第 $i$ 任务训练 $e$ epoch（$e \in {0,5,\dots,50}$）后，在任务 $j$ 上的 成功率。

指标	含义	方向
FWT	新任务上学得多快（当前 task success 曲线面积）	↑
NBT	负向后迁移 = 学新任务后旧任务掉多少	↓
AUC	综合 FWT + 保持旧任务	↑

人话：FWT 看 学新快不快，NBT 看 忘旧忘多少，AUC 看 整体终身表现。

所以这一节是想说：LIBERO 用 success rate 而非 loss——操纵里 loss 与成功率常脱节。

Epoch 网格：每任务训练 50 epochs，每 5 epoch 评一次 success → 共 11 个 checkpoint（0,5,…,50）。取 最早达到最佳 success 的 epoch $e_i^*$ 作为该任务「学完」时刻，再测 旧任务 $j<i$ 的 $c_{i,j}$ 算 NBT——避免 「训更久偶然回升」 干扰遗忘度量。

与经典 BWT 关系：论文用 NBT（negative backward transfer） 命名；$c_{k,k}-c_{\tau,k}$ 越大 忘得越狠。

---

5.7 VLA 时代用法 vs 原文 setup（社区差异）

维度	原文 LLDM	2024+ VLA 论文常见
训练	顺序 10/100 任务 + CL 算法	单任务或少量 task 微调
指标	FWT / NBT / AUC	单任务 success %
模型	ResNet-T 等中小 BC	OpenVLA / π₀ 等大 VLA
数据	50 demo/task 全用	有时 5-shot / 10-shot

共享：同一 130 任务语言 + 仿真场景 → 仍可横向比 Spatial vs Goal 哪套更低分。

OpenVLA 典型流程（社区，非原文）：

1. 加载 OXE/DROID 预训练 VLA
2. 对 LIBERO 每个 task 取 50 或 10 demo 微调
3. 在 该 task 初始分布 上 roll out N 次 报 success
4. 四套件分别平均 → 论文 Table 中的一行

解读分差：Spatial 低 → 空间/视觉 grounding 弱；Object 低 → 新物体泛化 弱；Goal 低 → 指令-行为对齐/程序性 弱；Long 低 → 长程规划 弱。

所以这一节是想说：读 VLA 表时要知道 「LIBERO 分数」多半是微调 eval，不是 SeqL 曲线。

---

5.9 预训练实验（Q6，Fig. 5）

设置：在 LIBERO-Long 10 任务上做 CL，对比 from scratch vs 先在 LIBERO-90 上 BC 50 epoch 预训练（每 5 epoch 存 checkpoint，取 验证最优 权重）。

组合：3 架构 × 多种 CL 算法（与主实验一致）。

发现：朴素监督预训练常降低 下游 LLDM 的 FWT/AUC——可能因为 90 任务分布与 Long 10 任务 mismatch，或 预训练权重陷入 short-horizon 局部最优。

对 VLA 启示：大规模 pretrain ≠ 终身学习友好；需要 continual-aware pretrain 或 任务分布对齐——这与 π₀/OpenVLA「先 OXE 再 LIBERO FT」的 两阶段 实践相关但 目标函数不同。

所以这一节是想说：LIBERO 不仅提供 考卷，还用 Fig. 5 警告 naive pretrain。

---

5.10 流程 ASCII

Ego4D 模板 → 语言指令
      ↓ PDDL (μ₀, goal predicates)
Robosuite / MuJoCo / Franka
      ↓ Spacemouse ×50 demos/task
   BC + (ResNet-T | ViT-T | …)
      ↓ 顺序任务流 T¹…T^K
 ER / EWC / PackNet / SeqL / MTL
      ↓
  FWT, NBT, AUC

所以这一节是想说：从 生成 到 CL 评测 全链路开源，复现门槛低于真机基准；硬件仅需 仿真 GPU，无需 Franka 真机。

---

关键数字（What works）

规模

项目	数值
总任务	130
LIBERO-X	10+10+10 = 30
LIBERO-100	100（90 short + 10 long）
Demo / task	50
总 demo 量级	130 × 50 = 6500 轨迹
遥操作设备	3Dconnexion Spacemouse
仿真引擎	MuJoCo via Robosuite

Table 1：架构（ER / PackNet，节选 AUC↑）

Suite	最佳架构趋势
LIBERO-Spatial	ResNet-T AUC 0.56（ER）
LIBERO-Object	ViT-T AUC 0.57（ER）
LIBERO-Goal	PackNet+ResNet-T AUC 0.75
LIBERO-Long	ViT-T+PackNet AUC 0.34

ResNet-T vs ResNet-RNN：Transformer 时序 全面优于 LSTM（FWT/AUC 常 2× 量级 差距）。

SeqL 的 NBT 代价（Table 2）：Spatial 上 SeqL NBT 0.81、AUC 仅 0.20——学新极快但忘旧极狠；PackNet 同 suite NBT 0.07、AUC 0.63，体现 遗忘-迁移 trade-off。

Table 2：算法（固定 ResNet-T，节选）

Suite	SeqL FWT	PackNet AUC	ER AUC
LIBERO-Spatial	0.72	0.63	0.56
LIBERO-Object	0.78	0.60	0.44
LIBERO-Goal	0.77	0.75	0.49
LIBERO-Long	0.54	0.25	0.32

SeqL FWT 全 suite 最高；PackNet NBT 最低（忘得少）但 Long 上 FWT 差。

Table 3：语言 embedding（LIBERO-Long, ER, ResNet-T）

Embedding	FWT	NBT	AUC
BERT	0.48	0.32	0.32
CLIP	0.52	0.34	0.35
GPT-2	0.46	0.34	0.30
Task-ID	0.50	0.37	0.33

无统计显著差异——语义 rich 描述 ≈ "Task 5" ID。论文默认仍用 BERT，因 维度 768 与实现方便。

Fig. 4 任务顺序：五种 permutation 下 PackNet 方差显著——说明 部署顺序不可控 时，需 order-robust CL 仍为开放问题。

所以这一节是想说：数字支撑 「架构 > CL 算法（FWT）」「PackNet 防忘但不善 Long」「语言未用好」 三条结论。

---

实验结果说明了什么

1. 程序性 vs 陈述性可分开考：Goal suite 测 行为遗忘，Spatial/Object 测 概念/位置遗忘——attention 可视化（Appendix E.4）显示遗忘模式不同。

2. Transformer 时序 backbone 关键：ResNet-T / ViT-T 碾压 ResNet-RNN。

3. CL 算法伤 FWT：SeqL 优于 ER/EWC/PackNet 的 forward transfer——经典 CL 防忘但阻学新。

4. PackNet 双面：LIBERO-X 上 NBT 极低；LIBERO-Long 上容量不够 FWT 崩。

5. EWC 常不如 SeqL：正则 阻碍 LLDM 表现。

6. 语言 embedding 未发挥语义：需 更好 task conditioning（对 VLA 是机会）。

7. 任务顺序敏感（Fig. 4）：PackNet 对 ordering 显著波动。

8. LIBERO-90 预训练可能有害（Fig. 5）： naive BC 预训练 损害 后续 LLDM——与「大数据预训练万能」直觉相反。

9. 社区复用：VLA 在 LIBERO 上 per-task success 高 ≠ 解决了 NBT；Goal/Spatial 分差仍 诊断泛化短板。

10. ViT vs ResNet 依 suite 而异：Object 上 ViT-T 强（物体多样性）；ER 下 ResNet-T 在 Spatial/Goal 常更好——没有万能视觉 backbone（Table 1 讨论）。

11. Attention 可视化（Appendix E.4）：遗忘时 saliency 从 task-relevant 物体 drift——Goal suite 上 行为相关区域 遗忘模式与 Spatial 不同，支持 知识类型解耦有效。

12. 对 benchmark 设计的启示：Medical-style 分科体检（Ch21 类比）——单独 总 success 会掩盖 Goal 崩而 Spatial 仍高 的 选择性遗忘，投稿时应 分套件报告。

所以这一节是想说：LIBERO 的价值在 诊断 + 反直觉结论，不只提供一个高分数字。

---

你应该懂的几个新词

• LLDM：Lifelong Learning in Decision-Making，顺序学操纵任务，含 程序性+陈述性 知识。
• Declarative / Procedural knowledge：「是什么/在哪」vs「怎么做」。
• FWT / NBT / AUC：前向迁移、负向后迁移、成功率曲线下面积。
• SeqL：Sequential finetuning，学新任务时 直接微调同一网络（最易忘但 FWT 高）。
• PackNet：给每个任务分配 不同子网络掩码，防遗忘占容量。
• PDDL：经典 AI 规划语言，LIBERO 用来 写目标与初始状态。
• BC（Behavioral Cloning）：监督模仿 $(o,a)$ 对。
• Robosuite：模块化 MuJoCo 操纵仿真框架，LIBERO 构建于其上。

所以这一节是想说：读 OpenVLA 的 LIBERO 表前，先分清 success vs NBT。

---

它有什么搞不定的

1. 纯仿真：MuJoCo 与真机 gap 大（Ch17 sim-to-real）；90% sim success 可能 40–50% 真机。

2. 单 embodiment 仿真 Franka：不测 跨真机 迁移。

3. 10 任务/suite 规模小：统计方差大，需多 seed（论文 3 seeds）。

4. 语言未真正用语义：BERT 句向量 ≈ bag-of-words，低估语言条件价值。

5. Spacemouse 专家 demo：与 VR/Policy 人类分布不同；50 条 对极难长程仍少。

6. VLA 社区用法偏离 LLDM：大量论文 只报 Spatial/Object，回避 Goal/Long——基准被 ** cherry-pick** 风险。

7. 预训练结论反直觉但 setup 单一：仅 LIBERO-90 BC 预训练，不等价 VLA web-scale pretrain。

8. 算力仍不可忽视：原文 A100/A40 单卡 + 16 CPU；130×50 demo 全训 CL 曲线 比 单 task VLA FT 贵一个数量级。

9. 成功谓词依赖仿真器：PDDL 判据与 真实物理误差 无关——sim success 乐观。

所以这一节是想说：LIBERO 是 尺子不是食材——只在其上训 130 任务会 过拟合考卷。

---

它和别的几篇是什么关系

• 基础设施：Robosuite、Ego4D（任务模板）、BERT（任务 embedding）。
• 对照 CALVIN：CALVIN 长程语言 ABCD 序列；LIBERO 知识类型解耦 + CL 指标。
• 对照 Meta-World / ContinualWorld：Meta-World RL 多任务；ContinualWorld 50 任务 CL 无 LIBERO 级语言+PDDL 生成。
• 下游 OpenVLA / π₀ / RDT-1B：几乎 必报 LIBERO 四套件 success。
• 后继 SimplerEnv：真机对齐仿真；LIBERO 仍是最 轻量 VLA eval 之一。
• 数据线 OXE/DROID：真机 训练；LIBERO 仿真考试——互补。

Ch21 踩坑提醒（guide §21.4.7）：在 OXE 上训的 VLA aggregate success 不可严格横向比；LIBERO 四套件 是 同协议下的尺子。读 VLA 论文时若 只报 LIBERO-Spatial 90%+ 却省略 Goal，应对照本笔记 §5.7 社区差异 理解作者意图。

所以这一节是想说：LIBERO 在生态位上是 VLA 微调标配 + CL 研究深井。

---

和本导读的关系

对应 Ch21: 数据集全景 §21.4.5 LIBERO（语言条件 + 知识解耦 + 终身学习）。建议：

1. Ch21 §21.4 理解 仿真基准 vs 真机数据集 分工；
2. 读 open-x-embodiment.md / droid.md（训练数据从哪来）；
3. 读本笔记 §5.2 + §5.7（四套件 + VLA 用法差异）；
4. 读 openvla.md 对照 社区 LIBERO 表；
5. sim-to-real 问题见 Ch17；
6. 若做 CL 研究：复现 Table 2 SeqL vs PackNet 理解 FWT–NBT trade-off。

所以这一节是想说：Ch21 把 LIBERO 放在 「仿真考试」 格，与 OXE/DROID 「真机食材」 并列。

---

思考题

Q1：为何 Spatial 用「两个同款 bowl」而不是换 plate？

提示

控制 物体 identity，只变 空间关系——纯测 spatial declarative knowledge。

Q2：SeqL FWT 最高但 NBT 高，部署机器人敢用吗？

提示

SeqL 学新快但忘旧多；实际部署要 AUC/NBT 或 回放/隔离（PackNet/ER）。

Q3：为何 VLA 论文爱报 Spatial/Object 少报 Goal？

提示

Goal 测 程序性 遗忘，大 VLA 微调后 Goal 常更低；Spatial 更易刷分。

Q4：LIBERO-90 预训练为何害 Long？

提示

Fig. 5；过拟合 short task 分布 + 后续 CL 负迁移；需 更好 pretrain 目标。

Q5：Task-ID 与 BERT 打平，对 VLA 设计何启示？

提示

Table 3；当前 BC+embedding 没用 instruction 语义——应用 LLM/VLM 条件 才可能拉开差距。

Q6：PackNet 在 Goal 上 AUC 0.75 高，但 Long 上为何不行？

提示

子网 容量 限制；Long 需 更大共享表示。

Q7：若只有 10-shot demo，该用原文 CL 还是单任务 FT？

提示

社区 VLA 走 单任务 FT + success；CL 算法需 50 demo × 顺序流 才有意义。

Q8：PDDL 目标与语言指令不一致会怎样？

提示

成功谓词由 PDDL 判定；语言只是 条件输入——仿真 ground truth 在谓词。训练时应保证 语言与谓词一致，否则 BC 标签噪声。

---

一些好奇心问答（FAQ）

Q：130 和 100 怎么算？

A：30（X 三套）+ 100（LIBERO-100）= 130；100 内 90+10 为 pretrain/eval 切分。

Q：LIBERO-Long 只有 10 个任务够吗？

A：原文用作 长程 entangled + 预训练 ablation；算力有限下的 stress test，非覆盖所有长程家务。

Q：和 RoboMimic 啥关系？

A：不同基准；LIBERO 自研任务+CL；RoboMimic 多算法实现库。部分实验精神类似 BC baseline。

Q：OpenVLA 在 LIBERO 上 90%+ 算解决了 CL 吗？

A：不算。高 success 是 per-task 微调 结果；未报告 NBT——模型 未顺序学 100 任务而不忘。

Q：HuggingFace 能下吗？

A：官网 + 社区 mirror 提供 demo HDF5；具体链接以 https://libero-project.github.io 为准。

所以这一节是想说：FAQ 澄清 任务计数、Long 角色、与 VLA eval 关系。

---

如果你想再深入

1. 官网：https://libero-project.github.io — 代码、数据、可视化。

2. 跑 baseline：clone Lifelong-Robot-Learning/LIBERO，ResNet-T + ER 在 LIBERO-Object 复现 Table 1。

3. 对照读：notes/openvla.md — VLA 如何 改写评估协议。

4. Ch21 续：notes/simpler-env.md（待精读）— 真机对齐版 eval。

5. Appendix C：每套件 10 任务 逐条语言与 PDDL 谓词。

6. 读 NeurIPS 2023 原版 Table 8：MTL 上界 success——理解 SeqL 与 MTL gap 即 CL 可改进空间。

所以这一节是想说：LIBERO 最适合边跑 baseline 边读 Table 1–3。

---

原文信息

@inproceedings{liu2023libero,
  title={LIBERO: Benchmarking Knowledge Transfer for Lifelong Robot Learning},
  author={Liu, Bo and Zhu, Yifeng and Gao, Chongkai and others},
  booktitle={Advances in Neural Information Processing Systems (NeurIPS)},
  year={2023},
  note={arXiv:2306.03310}
}

• arXiv：https://arxiv.org/abs/2306.03310
• Project：https://libero-project.github.io

所以这一节是想说：引用 LIBERO 时注明 suite 名称（Spatial/Object/Goal/Long）与 指标（success vs FWT/NBT）。

---

架构一图（ASCII）

        ┌─────────────────────────────────────┐
        │  Ego4D → 模板 → PDDL → Robosuite    │
        │  130 tasks × 50 demos × language    │
        └──────────────┬──────────────────────┘
                       │
     ┌─────────────────┼─────────────────┐
     ▼                 ▼                 ▼
 Spatial(10)     Object(10)        Goal(10)
 位置关系           新物体            新目标/程序
     └─────────────────┬─────────────────┘
                       ▼
              LIBERO-100 (90+10 Long)
                       │
           BC + ResNet-T / ViT-T
                       │
        SeqL / ER / EWC / PackNet / MTL
                       ▼
              FWT ↑   NBT ↓   AUC ↑

所以这一节是想说：一图记住 生成→四套件→CL 算法→三指标；VLA 社区常 跳过最后一行只报 success，但完整理解 LIBERO 应 同时看 Goal 套件与 NBT 曲线。

---

◼

@online{eai_libero_2026,
  title       = {(readable note) LIBERO},
  author      = {Xun, Jason},
  year        = {2026},
  note        = {Note on a 2023 paper},
  howpublished = {\url{https://estelledc.github.io/embodied-ai-reading-station/papers/libero/}},
  organization = {Embodied AI: Zero to One}
}