作者介绍：刘梦源，北京大学深圳研究生院研究员，研究领域为人类行为理解与机器人技能学习；盛举义，北京大学在读博士研究生，研究方向为机器人操作技 能学习方法研究；王梓懿、李培铭，北京大学在读硕士研究生，研究方向为视频理解分析；徐天铭，北京大学在读硕士研究生，研究方向为机器人操作技能学习 方法研究；徐天添，中国科学院深圳先进技术研究院集成所研究员，研究领域为磁控微型机器人导航、机器人的协同控制等；刘宏，北京大学深圳研究生院教 授，研究领域为计算机视觉与智能机器人、机器学习与智能人机交互。 随着 Vision-Action (VA) 和 Vision-Language-Action (VLA) 模型的爆发，机器人模仿学习取得了长足进步。然而，当前的评估体系却面临着严重的「 信任危机」。 现有的评估范式主要依赖二元的「 成功率（Success Rate） 」，这种简单的指标掩盖了两个关键问题： 为了解决上述评估信任危机，北大与中科院团队提出了一套完整的解决方案： Eval-Actions 评估基准与 AutoEval 自动化评估架构 。该方案旨在从「 细粒度动作 质量」和「 来源真实性」两个维度，重塑机器人操作的评估标 ...

点击下方 卡片 ，关注" 具身智能 之心 "公众号 作者丨编辑丨具身智能之心 本文只做学术分享，如有侵权，联系删文 >> 点击进入→ 具身智能之心 技术交流群 更多干货，欢迎加入国内首个具身智能全栈学习社区 ： 具身智能之心知识星球 (戳我) ， 这里包含所有你想要的。 在机器人操作领域，"高效学习" 始终是核心难题——现有模仿学习方法往往需要数百甚至数千次演示才能掌握单个任务，规模化扩展到千种日常任务更是需要 海量数据与资源。而由帝国理工学院机器人学习实验室提出的 Multi-Task Trajectory Transfer（MT3） ，用 "轨迹分解为对齐 - 交互两阶段 + 检索式泛化" 的创 新思路，打破了这一困局：仅需单条演示即可教会机器人完成单个任务，在不到 24 小时的人类演示时间内，成功掌握 1000 种不同的日常操作任务，同时还能泛 化到全新物体实例，彻底革新了机器人模仿学习的效率天花板。 对齐阶段：解决 "去哪里操作" 的定位问题 为什么要重构机器人模仿学习的范式？ 当前主流的机器人模仿学习方案陷入了 "数据效率困境"：要么依赖单阶段整体策略，学习过程复杂且数据需求大；要么泛化能力弱，无法 ...