HIDRA：面向无回放终身模仿学习的分层双路由注意力框架

作者提出 HIDRA，一种用于无回放、单遍终身模仿学习的分层双注意力路由框架，将指令级专家检索与上下文相关细化解耦。该方法引入键级几何正则化，约束任务内对齐与任务间分离，以缓解表示漂移下的路由干扰。在 LIBERO 多个基准套件（含异构任务序列与改写语言指令变体）上，HIDRA 在 AUC 和前向迁移上优于无回放与回放基线，并保持较低遗忘，代码已公开。