Continual Robot Learning Benchmark是机器人持续学习领域的标准化评测基准，用于评估和比较不同持续学习算法在机器人任务中的性能。该基准提供了多种机器人持续学习测试场景，包括多任务操作学习（依次学习多个操作技能、技能累积与复用）、终身学习（在长期部署中持续学习新技能、知识累积）、跨场景适应（在不同环境/场景中持续学习、场景切换适应）、在线学习（从实时数据流中持续学习、增量更新）、任务无关持续学习（无明确任务边界的持续学习、自动任务边界检测）等，支持多种持续学习算法（EWC、SI、MAS、GEM、A-GEM、Progressive Networks、PackNet等）和多种系统配置（不同任务数量、不同任务序列、不同数据量）。Continual Robot Learning Benchmark支持多种评估指标，包括遗忘度量（后向迁移BWT/平均遗忘率/最大遗忘率/最终遗忘率）、前向迁移（FWT/新任务学习速度/知识迁移收益）、累积性能（平均准确率/累积奖励/技能覆盖率）、稳定性-可塑性权衡（旧任务保持率/新任务学习率）、计算效率（训练时间/内存占用/参数数量）等，提供了标准化的评估协议和多种测试用例（包括不同任务序列、不同任务相似度、不同数据分布）。该基准推动了机器人持续学习技术的发展，多种经典和最新的持续学习算法都在该基准上进行了评估和对比。该基准被广泛应用于工业机器人、服务机器人、人形机器人、自动驾驶等领域的持续学习系统研究和开发中，是机器人持续学习算法评估的标准基准之一。