CoRL 2026 Workshop: Über binäre Erfolge hinaus: Diagnostik feiner Fähigkeiten in der Robotermanipulation

Fein abgestimmte Robotermanipulation erfordert mehr als das einmalige Abschließen einer Aufgabe. Zuverlässige physische Intelligenz benötigt ein präzises Verständnis der Anweisungen, genaue lokale Wahrnehmung und stabile, auf Einschränkungen achtende Aktionsausführung. Doch die meisten bestehenden Benchmarks fassen die Leistung weiterhin anhand binärer Erfolgsraten zusammen, was es schwierig macht zu bestimmen, warum ein System erfolgreich ist, wo es scheitert und welche Fähigkeit verbessert werden sollte. Unser Workshop bringt Forscher aus den Bereichen Robotiklernen, Manipulation, verkörperte KI, Computer Vision und Vision-Language-Action-Modellierung zusammen, um zu überdenken, wie feine robotische Fähigkeiten bewertet werden sollten. Der Workshop basiert auf MetaFine, einem diagnostischen Meta-Bewertungsrahmen, der die Manipulationskompetenz in drei Dimensionen unterteilt - Verständnis, Wahrnehmung und kontrolliertes Verhalten - und spezifische Einschränkungen aufzeigt, die durch aggregierte Metriken verborgen sind. Ein zentrales Element des Workshops ist der MetaFine Open Competition. Teilnehmende Teams werden ihre Systeme unter einem einheitlichen diagnostischen Protokoll bewerten und verbessern, wobei die besten Teams eingeladen werden, ihre Ansätze zu präsentieren und repräsentative Erfolge und Misserfolge während des Workshops zu analysieren. Die Wettbewerbsergebnisse werden als gemeinschaftliche Evidenz für Expertendiskussionen, kollaborative Fehleranalysen, Problemlösungsgruppen und öffentliche Debatten dienen. Anstatt als Abfolge von Vorträgen zu fungieren, wird der Workshop Referenten, Wettbewerbsteilnehmer, Autoren von Artikeln und Teilnehmende aktiv in die Behandlung konkreter offener Fragen einbeziehen: Wie sollten Manipulationsfehler attribuiert werden? Wie können Robustheit und ursächliche Engpässe bewertet werden? Wie sollten Simulation und reale Beweise kombiniert werden? Und wie können multidimensionale Fähigkeiten berichtet werden, ohne sie in eine andere irreführende Einzelbewertung zu zerlegen? Unser Ziel ist es, die Bewertung des Robotiklernens von der Einstufung zur Diagnostik zu bewegen und umsetzbare Prinzipien für die Messung und Verbesserung echter physischer Geschicklichkeit zu etablieren.