Drap

新的DRAP方法增强了物理AI中的持续学习能力

研究人员推出了一种名为DRAP（Dynamics-Risk Adaptive Plasticity，动态风险自适应可塑性）的新方法，旨在改进物理AI系统的持续学习能力。该方法通过根据轨迹放大风险自适应地降低关键模型组件的可塑性，来解决物理代理中策略错误随时间累积的挑战。DRAP旨在在不阻碍新任务学习的情况下增强先前学习行为的保留能力，并采用一种通过轨迹放大风险对梯度加权的回放策略。