UT Austin 等名校发布 LIBERO-MAX：专测任务执行中环境突变的机器人基准

UT Austin、斯坦福、MIT、NTU 等机构研究者提出机器人鲁棒性基准 LIBERO-MAX（NeurIPS 2026），在任务执行过程中引入环境扰动，而非只在任务开始前改变条件。扰动分几何、观测、外观、路径四类，覆盖目标/容器位移、相机偏移与传感器噪声、光照切换、障碍插入。团队已对 14 个当前机器人策略（涵盖 VLA）完成基准测试。