π0.5 在 BEHAVIOR-1K 上的推理设置配对评估：哪些策略真正有效

What Actually Matters? A Paired Evaluation of Inference Settings for $\pi_{0.5}$ on BEHAVIOR-1K

AI 导读

研究对基于 2025 BEHAVIOR Challenge 冠军方案微调的 π0.5 模型，在 BEHAVIOR-1K 全部 100 个任务上做了推理与数据采集策略的系统配对评估，该模型在公开测试集上 Q-score 为 0.39。结果显示，此前在小规模场景中提出的策略并不能均匀迁移到新环境和新任务。

正文 · AI 翻译

查看 PDF HTML（实验性）

摘要：视觉-语言-动作（VLA）模型为通用家用机器人提供了一种有前景的范式。然而，已在较小规模环境中部署的推理与数据收集策略，未必能推广到大规模、多样化的任务套件。为弥补这一差距，我们在全部 100 个任务上对先前提出的推理与数据收集策略进行了系统性的配对评估。我们的评估使用基于 2025 BEHAVIOR Challenge 冠军模型微调的 $\pi_{0.5}$ 模型，该模型在公开测试集上取得 0.39 的 Q 分数。这些结果表明，所提出的策略并不能一致地迁移到新环境和任务。项目页面、视频和详细分析：此 https URL

学科：	机器人学（cs.RO）；人工智能（cs.AI）；计算机视觉与模式识别（cs.CV）；机器学习（cs.LG）
引用为：	arXiv:2610.37917 [cs.RO]
	（或 arXiv:2610.37917v1 [cs.RO] 用于此版本）
	https://doi.org/10.48550/arXiv.2610.37917 由 DataCite 颁发的 arXiv DOI（待注册）

提交历史

来自：Samira Huber [查看电子邮件]
[v1] 2026年10月27日星期二 19:59:45 UTC（18 KB）

来源：arXiv cs.AI · arxiv.org