VIGOR：MBRL 零样本视觉泛化方法被 NeurIPS 2026 接收

Mingyu Park 等提出 VIGOR，一种基于模型强化学习（MBRL）的视觉泛化方法，通过潜空间一致性实现对未见视觉干扰的零样本泛化。论文已被 NeurIPS 2026 接收，作者发布了修订版，新增在 DreamerV3 上的实验和更新的讨论。 方法包含弱到强不对称增强、动力学级一致性和编码器级稳定三个组件，同时保留骨干算法的样本效率。论文称，VIGOR 基于 TD-MPC2 实例化后在零样本泛化上优于最先进的无模型和基于模型的基线，在 DMC 上超出第二名基线 3.4%，在 Robosuite 上超出 43.6%。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。