HIDRA：面向无重放终身模仿学习的层级双路由注意力

HIDRA 提出层级双注意力机制，结合键级几何正则化，在无重放、单次遍历的终身模仿学习设置中稳定专家选择。该方法在 LIBERO 基准测试中 consistently 优于无重放和基于重放的基线模型，提升了 AUC 和正向迁移，同时保持低遗忘率。HIDRA 支持可扩展的专家集合，适用于实时适应持续多模态演示的机器人场景。