CoRL 论文提出「记忆锚点」，剔除前 10% 排练数据致遗忘放大 4.5 倍
SongShuran · x · 2026-11-10
核心发现
一项将在 CoRL2026 展示的机器人持续学习研究发现：机器人通过「排练旧经验」来学习新行为时不遗忘旧技能，其关键在于排练数据中的一个特殊子集——作者称之为 Memory Anchors（记忆锚点）。
关键结果
- 若在排练中剔除排位前 10% 的 Memory Anchors，旧任务遗忘程度最高放大 4.5 倍；
- 反之，提高这类样本占比可显著减少任务遗忘，并让真实机器人成功学会有挑战性的任务序列；
- 该工作解释了 VLA 等模型中「排练为什么有效、何时会失效」的机理问题。
论文与项目页已公开，作者周一在 JW Marriott 有海报展示。
「具身」频道最新
- UMI 新一代夹爪酒吧实机挑战：一爪稳稳端起满杯水 — YuXiang_IRVL · 2026-11-10
- 旧 GPU 上不到 1 小时教会 Unitree G1 从零走路 — MarcJSchmidt · 2026-11-10
- Steve Waslander 出任多伦多大学机器人研究所所长 — VectorInst · 2026-11-10
- 波士顿动力 Atlas 人形机器人学会轮滑，还能空中转体 360° — adariostrange · 2026-11-10
- NTU 团队用有状态代码构建机器人行为，双臂任务成功率达 70.24% — jiqizhixin · 2026-11-10
- CoRL 2026 报告:EgoScale 获口头报告,GR00T2 最新结果将亮相 — chris_j_paxton · 2026-11-10