机器人学新忘旧？港大、原力无限等团队用真机给 VLA 做了一场压力测试
机器人的神经网络中，有个由来已久的问题：灾难性遗忘。
今天机器人学会了整理餐具，明天又学会了叠毛巾，后天学会了打包纸箱。等多个任务都学完之后，再回到第一个任务，它可能就退化到像没学过一样，不知道如何处理。对于家庭、工厂这些场景而言，学新忘旧就意味着机器人的维护成本非常高。
那么如何解决这个问题呢？7 月 28 日，来自香港大学、原力无限、宁波东方理工大学等机构的团队更新一篇最新论文 Can Vision-Language-Action Models Learn from Real-World Data Continually without Forgetting？（VLA 模型能否持续从真实世界数据中学习，同时不遗忘？）
这项研究没有再设计一个新的 VLA 基础模型，而是把现有的 π0.5 放进一条真实机器人任务流，让它依次学习单臂和双臂操作，再观察此前掌握的技能如何变化。
作者的实验显示，如果只是逐项微调，旧能力会大幅下降；保留少量历史示范、以合适的频率穿插回放，同时维持统一的动作坐标系，则可以让模型在学习新任务时继续保留旧技能。
这里的「持续学习」也需要先划清范围。它不是机器人一边工作、一边自主发现任务并在线更新；而是每获得一批新任务的遥操作示范后，在 GPU 集群上继续做监督微调，再把更新后的策略放回真机评测。这套流程把数据采集、模型更新和技能评测连接起来，为机器人上线后持续增加新能力提供了一条更清晰的工程路径。
机器人也会学新忘旧
文章显示，研究团队搭建了一套 10 项操作的自建基准。五项单臂任务包括叠碗、挂杯、按按钮、折毛巾和推箱子；五项双臂任务包括把面包放进锅中、把两罐可乐装箱、按顺序装水果、折 T 恤和打包纸袋，覆盖刚体抓放、接触操作和柔性物体折叠。
实验平台由两台 PiPER-X 六自由度机械臂、平行夹爪和四台 RealSense D435 相机构成。每项单臂任务采集 500 条轨迹，每项双臂任务 300 条，共计 4000 条遥操作示范、约 35GB 数据。
论文没有只用「成功或失败」给长任务打分，而是把任务拆成若干可观察的中间步骤。例如，把两罐可乐放进纸箱被拆成右手抓起、右手放入、左手抓起、左手放入四步；完成三步就是 75 分，全部完成才是 100 分。因此，文中的 97.2 是「归一化任务进度平均分」，不能直接写成 97.2% 的完整成功率。
基础策略使用约 27 亿参数的 π0.5，全部模块参与更新。若每个任务独立微调，单臂和双臂任务的平均基线分数分别为 86.9 和 88.0；如果不做记忆保护，按顺序每学一项就继续微调，完成第五项后，平均分只剩 31.4 和 38.3。单臂序列中，叠碗从 100 分降到 20 分，挂杯从 97.5 分降到 0；衡量旧任务退化的 BWT 指标也分别降至 -81.0 和 -68.6。越早学到的技能，越容易被后来的梯度更新覆盖。
这组结果反驳了一个过于乐观的想象：预训练规模足够大的 VLA，自然就能抵抗遗忘。作者认为，以往仿真基准中的任务和动作空间更接近，也可能与基础模型的预训练数据重合；真实任务之间的分布变化更大，问题也随之暴露。
一套「回忆机制」
团队采用的主要方法并不新奇：经验回放（Experience Replay）。每学完一项任务，系统从示范数据中留下一小部分完整轨迹；学习下一项任务时，多数训练步骤读取新数据，少数步骤抽取历史轨迹，让模型在吸收新技能的同时定期「复习」。它没有增加任务专属模块，也不需要为每种技能保存一套完整模型。
真正决定效果的是回放怎样配置。缓冲比例从 0.2% 提高到 2% 时，单臂任务流的 BWT 从 -8.95 升至 +0.25，遗忘已接近消失。回放频率则不能一味加大：从 5% 提高到 20% 会明显改善旧技能保留，但推到 50% 后，模型开始为了复习而牺牲学习新任务的能力。
采用 20% 缓冲比例和 20% 回放频率后，单臂与双臂两条五任务流的最终平均分都达到 97.2，BWT 分别为 +1.5 和 +1.9。把五项任务从一开始混在一起联合训练，并把总更新次数同样控制在 2.4 万步，平均分则为 82.6 和 83.2。至少在这套任务和计算预算下，按阶段学习并穿插旧样本，比同时优化所有任务更有效。作者将其归因于多任务训练时的梯度冲突，但尚未给出完整因果验证。
另一个更容易被忽略的变量，是动作归一化。机械臂关节、末端和夹爪的动作值跨度不同，VLA 训练前通常会把它们缩放到相近范围。若每来一项任务就重新计算这套统计量，同一个网络输出在不同任务里可能对应不同的真实动作，相当于模型刚学会一种坐标语言，下一阶段词义又变了。
三种方案中，效果最好的是冻结第一项任务的动作统计，并在之后所有训练和测试中共用，十项得分均不低于 95。若训练时各用一套统计量、测试时却统一使用第一项统计量，双臂序列除第一项外全部掉到 0 分。这不意味着「永远使用第一项统计量」是通用答案；它成立的前提，是第一项任务的动作范围能够覆盖后续任务。更普遍的启示是，持续学习不仅要保护参数，还要保护动作接口的语义一致性。
VLA 开始积累自己的经验
分别跑通两条五任务流后，团队又把全部 10 项任务交错排列：单臂、双臂、单臂、双臂。对模型来说，这不只是任务数量翻倍，而是要在完全不同的动作维度、协调方式和接触模式之间反复切换。团队据此设计了非对称回放计划：将总回放频率提高到 30%，同时让双臂示范在缓冲区中的采样权重达到单臂的两倍，为协调难度更高的技能保留更多“复习时间”。
完成全部十项学习后，终点矩阵中的十项归一化得分介于 80 和 100 之间，平均约为 92.9；平均 BWT 为 -2.7，平均前向迁移 FWT 为 +8.7。早期学到的叠碗、挂杯，与后期加入的按按钮、装水果等技能，被保留在同一个持续更新的策略中。论文由此展示了一种更接近长期使用的训练方式：机器人不必每增加一项能力，就把此前所有任务重新从头学习一遍。
这组结果也把“记忆”变成了 VLA 系统中一个可以主动管理的工程对象。不同技能对参数覆盖的敏感程度并不相同，训练系统可以根据任务结构分配回放预算，让复杂技能得到更多保护。经验回放由此不再只是一个通用训练技巧，而开始承担机器人能力资产管理的角色——哪些经历值得留下、哪些技能需要更多复习，都可以进入同一套持续迭代流程。
这对具身智能的意义相当直接。现实中的机器人不会永远面对固定工位和固定物体：产线会更换产品，仓库会上新商品，服务机器人也会不断接到新的操作要求。如果新任务可以按顺序加入已有策略，而旧任务通过精选历史示范得到维持，机器人软件就有机会从周期性的整体重训，转向更灵活的增量升级。数据采集也不再只服务于一次训练，而会逐渐沉淀为可重复调用的经验库。
目前，论文和官方代码仓库已经上线，训练、联合学习与经验回放等核心流程均可查看，为后续研究在更多任务和机器人平台上继续扩展提供了基础。这项工作的价值不在于发明经验回放，而在于把它放进真实机器人任务流，梳理出回放频率、记忆分配和动作坐标一致性如何共同决定持续学习的效果。
通用机器人的能力边界，未来或许不只取决于出厂时会多少项任务，更取决于上线之后能否不断积累新的经验。机器人想要持续成长，不仅要会学，也要会记。