VIGOR تعمیم ربات‌ها به محیط‌های بصری ناآشنا را بدون آموزش دوباره بهبود می‌دهد

پژوهشگران روش VIGOR را برای بهبود تعمیم صفرنمونه‌ای در یادگیری تقویتی مبتنی بر مدل معرفی کرده‌اند؛ روشی که قرار است به مدل‌ها کمک کند با تغییرات بصری نادیده، مانند پس‌زمینه، نورپردازی یا زاویهٔ دوربین، کنار بیایند. در این نوع یادگیری، خطاهای بازنمایی نهفته فقط بر یک پیش‌بینی اثر نمی‌گذارند و می‌توانند در پیش‌بینی‌های پی‌درپی نیز انباشته شوند.

VIGOR سه سازوکار به‌هم‌پیوسته دارد: جفت‌کردن نماهای داده با افزایش ضعیف و قوی، سازگارکردن پیش‌بینی‌های گذار در فضای نهفته و پایدارسازی رمزگذار برای جلوگیری از تغییرات ناخواسته. هدف این طراحی آن است که مدل، با وجود تغییرات بصری، پیش‌بینی‌های پویایی سازگارتری داشته باشد.

در آزمایش‌ها روی DeepMind Control Suite و Robosuite، نسخهٔ مبتنی بر TD-MPC2 از خط‌پایه‌های مدل‌محور و مدل‌آزادِ مقایسه‌شده در تعمیم صفرنمونه‌ای بهتر عمل کرد. برتری آن نسبت به دومین خط‌پایهٔ برتر به‌ترتیب ۳٫۴ درصد در DMC و ۴۳٫۶ درصد در Robosuite گزارش شده است؛ در عین حال، بهره‌وری نمونه‌گیری آن با نسخهٔ پایه قابل‌مقایسه بود و از خط‌پایه‌های دیگر تعامل کمتری با محیط نیاز داشت.

آزمایش‌های حذف مؤلفه نشان دادند که عملکرد قوی VIGOR به نوع خاصی از افزایش داده وابسته نیست. پژوهشگران همچنین این روش را روی DreamerV3، مدلی با ساختار متفاوت، پیاده‌سازی کردند و در هر دو بنچمارک بهبود تعمیم صفرنمونه‌ای دیدند. مقاله در نسخهٔ بازنگری‌شدهٔ خود می‌گوید در NeurIPS 2026 پذیرفته شده است.