内容摘要
机器人部署时，实际反馈可能偏离模型预测，环境变化也会改变规划代价；传统扰动观测器通常依赖显式受控对象模型。作者提出基于采样的扰动观测器SDOB，将反馈补偿扩展到通过状态滚动预测或代价查询访问的模型。
其核心是区分状态效应与代价扰动双通道：前者拟合预测状态与执行反馈的偏差，后者通过相邻更新间的局部代价匹配估计代价场移动，再修正后续预测与规划评估；不要求模型解析表达式，也无需模型求逆或重新训练。
作者报告，在预先筛选的、无扰动规划已能完成的Reacher任务中，施加隐藏动作偏置后，MPPI+SDOB成功19/20次。PointWorld真机抬箱的20次配对试验中，最终任务RMSE由MPPI的55.26±14.99毫米降至22.61±12.58毫米。
这些结果有明确条件：Reacher不代表未筛选任务表现；相关世界模型仿真在规划时暂停。抬箱仅用初始反馈校准，执行期间不重规划、不更新观测器，因此不能将其解读为世界模型实时闭环控制已获验证。
点评
价值在于把扰动补偿接入滚动预测与代价查询接口，针对局部持续、与任务相关的失配进行修正，而非完整辨识仿真到现实差距。
证据来自作者论文实验，不能当作独立复现。方法要求可重复预测或可比较查询、扰动可观测且缓慢变化；代价场突变或局部多重运动可能破坏输运假设。
版本与核查范围
版本 2610.04896v1 · 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；#S4.SS2.p1.1；#S1.I1.ix2.p1.1；#S4.SS4.p1.1；figcaption[78]；#S5.SS1.SSS0.Px3.p1.1；#S5.SS1.SSS0.Px3.p2.1；#S5.SS1.SSS0.Px3.p2.1；#S5.SS2.p1.1；#S5.T3.2；#Thmremark3.p1.1