RoboView-Bias：机器人操作中具身智能体视觉偏见的基准测试
机器人学
2025-09-29 v1 计算机视觉与模式识别
摘要
具身智能体的安全性和可靠性依赖于准确且无偏见的视觉感知。然而，现有的基准主要强调扰动下的泛化性和鲁棒性，而对视觉偏见的系统性量化仍然很少。这一差距限制了对感知如何影响决策稳定性的更深入理解。为了解决这个问题，我们提出了 RoboView-Bias，这是第一个专门设计用于遵循因子隔离原则系统性量化机器人操作中视觉偏见的基准。利用结构化的变体生成框架和感知公平性验证协议，我们创建了 2,127 个任务实例，能够稳健地测量由单个视觉因子及其相互作用引起的偏见。使用该基准，我们系统地评估了两种主流范式下的三个代表性具身智能体，并报告了三个关键发现：(i) 所有智能体都表现出显著的视觉偏见，其中相机视角是最关键的因子；(ii) 智能体在高度饱和的颜色上达到最高成功率，表明从底层 VLMs 继承了视觉偏好；(iii) 视觉偏见表现出强烈的、不对称的耦合，视角强烈放大了与颜色相关的偏见。最后，我们证明基于语义基础层的缓解策略在 MOKA 上将视觉偏见减少了约 54.5%。我们的结果强调，对视觉偏见的系统分析是开发安全可靠通用具身智能体的前提。
引用
@article{arxiv.2509.22356,
title = {RoboView-Bias: Benchmarking Visual Bias in Embodied Agents for Robotic Manipulation},
author = {Enguang Liu and Siyuan Liang and Liming Lu and Xiyu Zeng and Xiaochun Cao and Aishan Liu and Shuchao Pang},
journal= {arXiv preprint arXiv:2509.22356},
year = {2025}
}