内容摘要
作者提出SCOUT，针对机器人部署时未知物理属性与动力学带来的适配需求，用动作结果预测误差提供反馈，而非仅依赖标量奖励。方法以共享信念潜变量连接动作策略与前向动力学模型：元训练内循环依据动力学预测损失更新信念，外循环以模仿学习损失优化网络；部署时冻结全部网络权重，仅更新信念潜变量。
作者报告，歧义门仿真基准以最多20步内完全开门为成功标准，5步适配的SCOUT成功率为0.97，历史条件GMM为0.68。主实验使用仿真器真值逐点流；测试时改用估计流后，5步适配成功率为0.96，成功试验平均步数由12.8增至14.94。
真机实验将仅在仿真中训练的模型用于偏心杆抓取和推动；每种方法、每个重心位置各测试10回合，每回合最多10步。作者报告，相比非测试时训练基线，两项任务均需要更少尝试。以上是作者论文实验结果；验证限于物理歧义，尚未覆盖复杂几何约束、感知错误，也未集成大规模基础策略，不能据此外推通用操作能力。
点评
提供了一条通过共享信念潜变量，将动作结果预测误差转为部署时策略调整的路线，而不是直接微调策略网络权重。
证据为作者论文实验，不作为独立复现或工程开放的证明。门任务主结果使用仿真器真值逐点流，估计流测试仍属于该仿真基准；真机验证限于偏心杆抓取和推动。论文明确尚未验证复杂几何约束、感知错误等失败来源，也未集成大规模基础策略。
版本与核查范围
版本 2609.36107v1 · 原文定位与程序检查、独立上下文模型复核；不代表独立研究复现。。依据已核查材料整理；未运行模型或机器人。
原文与定位
- 原文链接 #abstract1.1；#S1.p3.1；#S1.p4.1；#S4.SS2.p2.1；#S5.SS1.SSS0.Px2.p1.1；#S5.T2.4.1；#A4.SS1.p1.1；#A4.T6.4；#S5.p1.1；#S5.SS1.SSS0.Px3.p1.1；#S7.p1.1