RIFAR：面向持续机器人学习的可靠性与遗忘感知回放方法

RIFAR 将可靠性筛选与漂移感知回放选择结合，用冻结的逆动力学模型评估动作与视觉一致性，并从紧凑演示前缀重建轨迹。在三个 LIBERO 套件和真实世界实验中，该方法在 LIBERO-Goal 上达到 90.97 AUC，每个任务仅保留 320 个历史时间步，约为 50 次演示回放所需步数的 4.9%。