Zhixu Li (ジシュ・リー) らは2026年10月15日(現地時間)、arXivにおいて、パーソナライズされたロボット操作（PeRM）を評価するための新しいベンチマーク「LIBERO-PeRM」を発表した。LIBERO-PeRMは、汎用ロボットが家庭環境に導入される上で不可欠とされるパーソナライゼーションにおける、ポリシーの性能評価に焦点を当てる。このベンチマークは、タスクの完了とユーザーのプリファレンス（好み）の満足度を分離して評価する。LIBEROを基盤とし、動作、スキル、ユーザープロファイルに関する言語表現可能なプリファレンスをシミュレーション環境で扱えるように体系化している。
LIBERO-PeRMは、組み込みエージェントにおけるプリファレンス（preference）学習のベンチマークとして導入された。このベンチマークは、ポリシーがゼロショット設定でプリファレンスにどのように従うか、デモンストレーションから単一のプリファレンスをどのように学習するか、デモンストレーションの増加に伴いプリファレンスをどの程度効率的に獲得するか、学習されたプリファレンスがレイアウトやタスクを越えてどのように汎化するか、そしてポリシーがプリファレンスをどのように合成し、衝突下でどのように振る舞うかという5つの疑問点を研究する。
研究者らは、シミュレーションにおいて観察可能なプリファレンスの制御された定式化と分類を提案している。これには動作、スキル、ユーザープロファイルの選択が含まれる。この定式化は、LIBERO内でタスク目標を変更することなくインスタンス化でき、自動的に評価され、タスク間で再利用できる言語表現可能なプリファレンスに限定される。LIBEROを基盤として、この手続きパイプラインは、プリファレンスの有無両方を含むペアのデモンストレーションを生成する。研究チームは、高品位のデモンストレーション、豊富なメタデータ、およびプリファレンス満足度指標を持つ5つのタスクスイート（312タスク）を作成した。
実験結果は、現在の視覚言語アクション（VLA）ポリシーがゼロショットのパーソナライゼーションに苦慮していることを示す一方で、スーパーバイズドファインチューニング（SFT）がプリファレンスの学習可能性を高めることを明らかにした。混合トレーニングは、順次適応と比較して、プリファレンスなしの維持において優れた結果を達成し、コンテキストプロンプトを用いた場合、プリファレンスのみのトレーニングと比較して性能を向上させた。しかし、これは動作プリファレンス学習を弱める可能性も指摘されている。プリファレンスの汎化、分解、および衝突処理は依然として困難な課題として残されている。コード、データセット、デモンストレーションはプロジェクトウェブサイトで公開されている。
参考: arXiv cs.RO — 2026年10月16日 02:59 (JST)
原文ハイライト"Personalization is essential for general-purpose robots to transition into household environments and achieve true practicality."