Skip to content
Hot eventLive

VIGOR：基于模型强化学习的零样本视觉泛化框架

1 reports1 sources21 hr ago updated

Get the story

AI overview

2026年10月5日，arXiv（Artificial Intelligence，一手来源）发表论文，提出 VIGOR 框架。该框架面向基于模型的强化学习（MBRL），通过潜空间一致性实现对未见视觉干扰的零样本泛化，同时保留 MBRL 骨干的样本效率。框架包含三个组件：非对称弱到强增强、动力学级一致性与编码器级稳定。实验在 DeepMind Control Suite（DMC）和 Robosuite 上进行，结果显示 VIGOR 超越现有最优基线，分别领先第二名基线 3.4% 和 43.6%。消融实验表明，其鲁棒性与具体增强方式的选择无关。目前公开信息仅涉及该论文内容，尚无后续独立验证或应用报道。

Generated from reports · updated 21 hr ago

LatestOct 5
arXiv 论文提出 VIGOR 框架，在 DMC 与 Robosuite 上分别领先第二名基线 3.4% 和 43.6%。

Timeline

Follow the coverage from different angles.

Oct 5, 2026
  1. arXiv · Artificial Intelligence
    VIGOR：基于模型的强化学习中通过潜空间一致性实现零样本视觉泛化

    论文提出 VIGOR 框架，在基于模型的强化学习（MBRL）中通过潜空间一致性实现对未见视觉干扰的零样本泛化，同时保留 MBRL 骨干的样本效率。框架包含非对称弱到强增强、动力学级一致性与编码器级稳定三个组件，在 DeepMind Control Suite（DMC）和 Robosuite 上超越现有最优基线，分别领先第二名基线 3.4% 和 43.6%。消融实验显示其鲁棒性与具体增强方式无关。

Heat trend

Current heat 6·Comparable peak 10（Oct 5）·Comparable change over 24 hours –

02.557.510Oct5Oct5Oct6Oct6

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.