RIFAR：可靠性与遗忘感知回放的持续机器人学习

2026年10月15日，arXiv 人工智能板块出现一篇预印本，介绍名为 RIFAR 的持续机器人学习方法。据该报道，RIFAR 将可靠性筛选与漂移感知回放选择结合，使用冻结的逆动力学模型评估动作与视觉一致性，并从紧凑的演示前缀重建轨迹。报道称，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%。上述数字与结论均来自该预印本报道本身，尚待进一步验证。

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。