**DRAP：物理 AI 中的动态风险自适应可塑性，实现无回放持续学习**

_DRAP: Dynamics-Risk Adaptive Plasticity for Continual Learning in Physical AI_

> 针对物理 AI 中策略误差累积导致闭环任务失败的问题，该研究提出了 DRAP 方法。这是一种无需回放（replay-free）的持续学习技术，通过结合样本级动作梯度与局部轨迹放大风险，动态评估模型张量的历史重要性。DRAP 利用正则化局部线性模型估计策略扰动放大系数，并在后续任务中根据累积重要性动态调整各张量的学习率，从而在保留旧行为的同时有效习得新技能。在 OpenVLA 子网络上进行的实验表明，该方法在行为保留和新任务获取方面均优于标准 AdamW 和 EWC。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-11-05 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2611.05029)