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

Failure Detection on LIBERO unseen

0.097Brier Score

SAFE-RNN-TDQC (Ours)

0.064920.281460.4980.71454Apr 22, 2026
Updated 1mo ago

Evaluation Results

MethodLinks
2026.04
0.097
2026.04
0.1
2026.04
0.107
2026.04
0.128
2026.04
0.131
2026.04
0.137
2026.04
0.141
2026.04
0.148
2026.04
0.15
2026.04
0.152
2026.04
0.158
2026.04
0.158
2026.04
0.162
2026.04
0.162
2026.04
0.163
2026.04
0.172
2026.04
0.197
2026.04
0.206
2026.04
0.218
2026.04
0.218
2026.04
0.222
2026.04
0.229
2026.04
0.231
2026.04
0.238
2026.04
0.255
2026.04
0.264
2026.04
0.273
2026.04
0.313
2026.04
0.318
2026.04
0.33
2026.04
0.356
2026.04
0.364
2026.04
0.39
2026.04
0.391
2026.04
0.532
2026.04
0.544
2026.04
0.899