从零读懂世界模型的持续学习：一份组合式基准的源码级拆解

从今天觉醒,技术赋予每一个人数字生命

先抛一个面试里常被追问的问题：一个在世界模型里训练好的机器人，换了个新任务后为什么突然变笨了？

要回答它，得先理解世界模型（World Model）的职责------它不直接输出动作，而是学习环境的动力学 ：给定当前观测和动作，预测下一时刻的状态或观测。在机器人操作里，这个动力学往往由"物体怎么动、抓取怎么生效、遮挡怎么变化"这类可复用的机制构成。

问题在于，主流做法把"适应新任务"和"复用旧知识"混在一起评估。新任务既包含全新内容 （新物体、新纹理），也包含重复出现的机制（同样的抓取物理）。如果基准只报告一个平均成功率，你根本分不清模型是学得快，还是记得牢。

这正是组合式持续学习基准要解决的核心矛盾：把"复用"从"遗忘"里隔离出来。它值得现在盘点，因为具身智能正从"单任务刷分"走向"多任务连续部署"，而评测方法的粗糙会直接误导架构选型。

职责是在固定容量下缓解灾难性遗忘。代表思路包括 EWC 类的权重正则、经验回放、以及 PackNet 式的参数隔离。它们原本为分类网络设计，被直接搬到世界模型上。

关键抽象在"损失函数"这一层：正则方法在损失里加一项约束重要权重，回放方法在 batch 里混入旧任务样本。阅读时容易误判的地方是------这些方法假设任务边界清晰，而机器人操作里任务往往连续漂移。

职责是让动力学骨干包含显式可复用组件。代表思路是把动力学拆成多个子模块（如按动作维度、按感知模态分头），新任务只激活或微调部分模块。

关键抽象在"模块路由"：一个门控网络决定当前输入走哪条子路径。这天然贴近组合式任务的假设------重复机制可以落在共享模块里，新内容走新模块。

职责不是模型，而是基准本身的构造 。它沿两个轴分解任务：动作轴 （如推、抓、放的组合）和感知轴（如颜色、形状、遮挡的变化）。每个课程任务都是序列中已见要素的重新组合。

这样做的好处是：如果模型在某任务上失败，你能定位是动作组合没学会 还是感知泛化没跟上。

维度	经典持续学习	模块化世界模型	组合式课程基准
核心职责	缓解遗忘	显式复用组件	隔离复用与遗忘
代表方法	EWC、回放、PackNet	门控模块化动力学	动作×感知分解
复用能力	隐式、弱	显式、较强	作为评测标尺
遗忘控制	依赖正则强度	模块隔离天然抗遗忘	不直接控制
主要局限	任务边界假设强	路由训练不稳定	不解决模型问题
适合场景	任务少且边界清晰	机制重复度高的序列	研究与选型诊断

一个反直觉的结论是：模块化在"复用 vs 遗忘"的平衡上优于常规方法，但没有一个方案彻底解决问题。这说明当前世界模型的瓶颈不在单一技巧，而在架构层面缺少"可组合、可回滚"的知识表示。

场景 A：课程作业 / 作品集项目。 优先用组合式课程基准搭一个最小实验：两个动作轴、两个感知轴，跑一个基线世界模型加 EWC。这能写进简历的亮点是"我设计了隔离复用与遗忘的评测"，而不是"我调了个模型"。

场景 B：多任务机器人部署。 如果任务间机制重复度高，模块化世界模型更稳；如果任务边界清晰且数量少，回放类方法实现成本最低。

场景 C：研究探索。 直接把组合式基准当诊断工具，先测出瓶颈在动作轴还是感知轴，再决定改架构还是改训练策略。

面试常被追问的点： "你怎么证明模型是在复用而不是重新学？"标准答法是------设计组合任务，让新任务只含已见要素，若性能显著高于从零训练，才说明复用发生。

已出现的趋势很明确：评测正从"平均分"走向"分解诊断"，模块化与组合式基准会继续合流。仍未解决的问题有三个：一是模块路由在长序列下的稳定性；二是感知与动作的复用能否统一到同一套表示；三是如何在没有明确任务边界时自动发现可复用机制。

对在校学生来说，这个方向的门槛并不高------你不需要大厂基础设施，一个仿真环境加一套组合任务课程，就能复现核心矛盾。真正稀缺的能力，是把"模型忘了什么"拆成可测量的变量，而这正是这份基准教给我们的思维方式。