一句话看懂：AlphaXiv 上 2026 年 10 月发布的一篇论文提出 Dream to Remember（D2R），让冻结的通用机器人策略通过一个小型“操控模块”学习新任务，同时用冻结的世界模型“脑补”旧任务来防止遗忘。在 CALVIN 和 LIBERO 的连续任务评测中，它比直接微调策略的遗忘问题明显更轻。
事件核心：发生了什么
这篇论文要解决的问题是机器人的“灾难性遗忘”：通用机器人策略通常靠模仿学习训练，当任务一个接一个到来时，要么微调策略权重，要么训练一个小模块去操控冻结生成式策略的输入噪声。前一种方法会在学新任务时破坏旧技能，后一种方法则把遗忘集中到共享的操控模块上。
D2R 的做法是保持大型通用策略冻结，只训练一个小型操控网络来选择输入噪声。当它学习新任务时，一个冻结的预训练世界模型会基于旧任务的初始观测向前“想象”旧任务轨迹，用参考操控行为约束当前操控模块，避免它偏离此前行为。这一过程不需要存回放缓冲区，也不需要旧任务的新数据。
目前公开信息显示，论文在 CALVIN 上让八个任务完全在想象中顺序学习，平均成功率从 63.7% 提升到 74.8%；而在同样序列上做 LoRA 微调会跌到 11.7%。在 LIBERO-90 上，D2R 使用冻结的 π₀ 策略和 A2World 世界模型，在环境中学习未见任务，同时保持 π₀ 在已微调过的 LIBERO 套件上的表现。论文还报告了真实 Franka 机器人上三个任务的连续学习结果，均在想象中完成且保持此前改进。需要说明的是，以上均为论文摘要中的评测数据，不代表已上线产品，也未声称完成同行评审。
为什么重要
机器人基础模型正在从单任务走向通用策略，但“持续学习”始终是落地难点。如果每学一个新操作就要重训或微调整个大模型，算力成本高，还容易让旧能力退化。D2R 的意义在于把“学习新任务”和“保留旧任务”拆开：新任务可以在环境里学，旧任务则交给世界模型做想象式复习，从而绕开对真实回放数据的依赖。
对行业来说，这条路线如果被验证可扩展，会影响机器人策略的训练架构和推理部署方式——大模型保持冻结、小模块负责适配，可能比频繁微调整体权重更适合边缘部署和长期运维。同时，它也把“世界模型”从单纯的环境预测工具，推向持续学习中的记忆锚点角色。
对用户/开发者/创作者的影响
对机器人开发者而言，D2R 提供了一种更轻量的适配思路：不必每次新任务都动基础策略权重，小操控模块可以独立更新。如果未来有开源实现，开发者可以围绕冻结策略和世界模型搭建持续学习管线，尤其在无法长期保存旧任务轨迹的场景下更有吸引力。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对关注具身智能和 AI 应用的人来说，论文中“完全在想象中学习新任务”的设定值得注意，但它依赖世界模型的保真度。论文也承认，当世界模型不够准确时，新任务仍需在真实环境中学习，世界模型只负责复习旧任务。因此短期内它更像是训练方法的改进，而不是可直接下载的机器人产品。
值得关注的后续
一是世界模型的保真度门槛：什么情况下可以完全在想象中学习新任务，什么情况下必须回到真实环境，这决定了方法的适用范围。二是这套方法能否从 CALVIN、LIBERO 等仿真基准迁移到更多真实机器人平台，并控制真实场景中的安全风险。三是是否会出现开源实现或与现有机器人策略框架的集成，这会直接影响开发者的采用成本。
来源：alphaXiv
