arXiv · cs.AI· Haoran Hao, Shahram Najam Syed, Jeffrey Ichnowski, Jeff Schneider·· 1 天前
FAR：面向测试时恢复与持续策略改进的失败感知重试
FAR: Failure-Aware Retry for Test-Time Recovery and Continual Policy Improvement
arXiv:2607.01111v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Haoran Hao, Shahram Najam Syed, Jeffrey Ichnowski, Jeff Schneider
研究任务与主要进展
FAR是一种用于机器人测试时失败恢复与持续策略改进的框架，它从既往失败中构造偏好学习数据，并在重试时加入轻量动作扰动以促进局部探索。论文摘要报告，该方法在仿真和真实世界操作任务中相较标准扩散策略分别取得平均17.6%和11.7%的成功率提升，并改善持续改进在重置与时间步预算下的数据效率；视频和代码可通过https://hoar012.github.io/FAR-Project获取。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org