世界动作模型通过循环生成回放实现持续模仿学习

本文提出循环生成回放（REGEN）框架，利用世界动作模型（WAM）的生成能力合成伪回放轨迹，使机器人策略无需存储原始人类演示即可 rehearsal 既往任务。在持续适应过程中，REGEN 递归查询 WAM，仅依据 prior 任务指令和当前观测生成轨迹。实验表明，该方法相比顺序微调将灾难性遗忘降低高达 50%，性能接近需真实回放数据的特权方法。研究还指出了长程视觉退化与动作 - 观测不一致为主要瓶颈，确立了 WAM 作为无存储持续机器人学习基础的潜力。