D2R用世界模型持续引导冻结策略避免遗忘

Bahey Tharwat等提出Dream to Remember（D2R），在冻结的通用机器人策略上持续引入新任务，同时靠冻结的预训练世界模型想象rollout复习旧任务，无需回放缓冲或新数据。 在CALVIN基准上，D2R按顺序学习八个任务后平均成功率从63.7%升至74.8%；同样序列下LoRA微调使成功率降至11.7%。在真实Franka机器人上，D2R按顺序学习三个任务并保留了此前的提升。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。