Share your thoughts, 1 month free Claude Pro on usSee more
WorkDL logo mark

Failure Detection on LIBERO seen

0.061Brier Score

SAFE-RNN-TDQC (Ours)

0.027080.256040.4850.71396Apr 22, 2026
Updated 1mo ago

Evaluation Results

MethodLinks
2026.04
0.061
2026.04
0.064
2026.04
0.066
2026.04
0.068
2026.04
0.075
2026.04
0.091
2026.04
0.1
2026.04
0.103
2026.04
0.103
2026.04
0.105
2026.04
0.106
2026.04
0.109
2026.04
0.122
2026.04
0.123
2026.04
0.124
2026.04
0.138
2026.04
0.191
2026.04
0.192
2026.04
0.195
2026.04
0.197
2026.04
0.199
2026.04
0.204
2026.04
0.209
2026.04
0.212
2026.04
0.244
2026.04
0.265
2026.04
0.279
2026.04
0.306
2026.04
0.32
2026.04
0.338
2026.04
0.343
2026.04
0.348
2026.04
0.395
2026.04
0.406
2026.04
0.529
2026.04
0.543
2026.04
0.909