arXiv cs.RO 机器人学· Kaipeng Fang, Hangxu Liu, Chaojian Shi, Yunsong Zhou, Hongzi Zhu, Minyi Guo, Jingkuan Song, Lianli Gao·· 5 小时前精选AI 评分57
R²-WAM：用整流生成回放实现世界动作模型的免数据持续学习
Data-Free Continual Learning for World Action Model with Rectified Generative Replay
AI 导读
论文提出 R²-WAM，让世界动作模型通过自回归重生成过往任务轨迹并回放，实现免数据的持续学习。方法用 agentic 评估器在任务完成处截断生成轨迹，并过滤动作与观测物理不一致的回放。在 LIBERO 四套基准和五个真实任务上，R²-WAM 相对顺序微调减少超过 90% 的遗忘，接近使用真实数据的经验回放；分析显示遗忘主要集中在逆动力学建模，被遗忘的模型仍能生成视觉合理的观测但动作失效。
推荐理由
论文指出遗忘集中在逆动力学建模，为评估同类持续学习方法提供了可迁移的分析视角。
来源：arXiv cs.RO 机器人学 · arxiv.org