站内快照 · 国内可打开。外网原文可能无法访问。
- 论文公开站arXiv
组合任务持续学习的世界模型基准测试
Benchmarking World Models for Continual Learning on Compositional Tasks
摘要显示，该研究提出一个面向机器人操作中世界模型的组合式持续学习基准，通过将任务课程设计为已见任务的组合，并从动作与感知两个维度进行分解，以隔离知识复用与学习新任务两种能力。研究在经典持续学习方法下评估了当前最优世界模型，并对比了一个动态骨干含显式可复用模块的模块化世界模型。结果显示，模块化在复用与遗忘之间取得更好平衡，但均未完全解决问题。
意义：为世界模型的持续学习提供可复用的组合式评测基准，并指出模块化设计在缓解灾难性遗忘上的潜力与局限。