从前，好多VLA模型在尺度机械人基准上阐发不错，但这并不蹬宗它们真的具备真实部署能力。真实环境中的机械人工作，往往会同时遇到物体地位变动、场景结构变动、未见物体、视觉滋扰和说话指令改写等问题。 这篇论文提出LIBERO-X，主题不是再造一个更强模型，而是构建一个更严格的VLA鲁棒性评测基准，用来检验现有视觉说话作为模型到底稳不稳。步骤上，LIBERO-X设计了五级递进式测试和谈，从部门空间扰动、大领域空间扰动，参与景拓扑沉构、视觉属性变动和语义等价指令改写，逐层增长真实部署难度。同时，它构建了更高多样性的训练数据，并通过多标签诊断分析模型在交互类型、子工作数量、空间关系、物体属性等维度上的失败模式。 尝试了局显示，多个代表性VLA模型在LIBERO-X上城市随难度增长显著掉点，尤其在拓扑变动、未见物体、说话改写和多步长程工作中阐发不不变。这注明现有VLA并不是不会实现工作，而是短缺对复杂散布偏移的不变泛化能力。 这篇工作的价值在于，它把VLA评测从均匀成功率推动到鲁棒性诊断。对具身智能钻研来说，未来不仅要做更大的模型，也要做更真实的基准、更细的失败分析和更强的空间泛化、说话接地与长程执行能力，这正是VLA实用化落地的沉要发文隐语。