TAVIS：基于仿照学习的以动感视觉为中心的 anticipatory 注视基准

主动视觉——即策略在操作期间控制自身视野——已成为仿照学习的关键能力，过去一年中已有多个独立系统表明其优势。然而尚无共享基准用于比较方法或量化主动视觉贡献、哪些任务类型受益以及在何种条件下受益。我们引入 TAVIS，仿照学习的主动视觉评估基础设施，包含两个互补任务套件——TAVIS-Head（5 个任务，通过 pan/tilt 颈部实现全局搜索）和 TAVIS-Hands（3 个任务，通过腕部摄像头实现局部遮挡），基于两个人oid 躯干实现（GR1T2、Reachy2），构建于 IsaacLab 上。TAVIS 提供三种评估原语：针对相同演示的 headcam-vs-fixedcam 配对协议；GALT（Gaze-Action Lead Time），一种基于认知科学和 HRI 的新指标，用于量化学习策略中的 anticipatory 注视；以及程序 ID/OOD 分割。基于扩散策略和 $\pi_0$ 的基线实验显示：(i) 主动视觉通常有帮助，但帮助程度取决于任务；(ii) 多任务策略在受控分布偏移下在两个套件上均显著下降；(iii) 仿照学习可产生 anticipatory 注视，其中位数 lead 时间与人类 teleoperator 参考相当。代码、评估脚本、演示（LeRobot v3.0；约2200个 episode）及训练好的基线已在 https://github.com/spiglerg/tavis 和 https://huggingface.co/tavis-benchmark 提供。