DARE框架通过回溯校正提升扰动检索预测

2026年11月3日，Jiwoong Choi等人在arXiv发布论文，正式提出DARE（Disturbance-Aware REtrieval）框架。该框架利用几何感知的关系动力学模型，专门针对扰动感知检索任务中的长期动力学预测难题进行优化。 DARE的核心机制在于引入学习型校正器。当系统具备稀疏观测条件时，该模块利用预测差异来修正早期状态，并重新运行动力学模拟。这种校正机制能够沿接触链传播，从而有效增强检索过程中的扰动鲁棒性。 研究团队在平面环境和RoboCasa环境中进行了系统实验，主要评估了DARE在密集杂乱场景下的长期预测能力、泛化性能及抗扰动鲁棒性，验证了其在复杂操作任务中的适用价值。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。