RIFAR论文：回放可靠性筛选缓解机器人持续学习遗忘

Zirui Song 等发布持续机器人学习方法 RIFAR，结合可靠性筛选与漂移感知回放选择，从紧凑示范前缀重建轨迹，并用冻结逆动力学模型检查动作与视觉变化的一致性，以减少灾难性遗忘。该方法基于世界-动作模型的生成式回放，作者称在三个 LIBERO 套件和真实世界实验中超过此前 WAM 生成式回放的最优水平。 基于论文摘要，在 LIBERO-Goal 上取得 90.97 AUC，每任务仅保留 320 个历史时间步，约为使用 50 条示范回放所保留步数的 4.9%。目前证据为论文摘要，尚无独立复现。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。