DARE：用回溯校正预测长时程动力学，实现扰动感知的密集堆叠取物

DARE（Disturbance-Aware REtrieval）是一个几何感知的关系动力学框架，用回溯校正提升密集堆叠取物场景下的长时程扰动预测。它编码紧凑物体描述符，通过物体级消息传递预测动作条件下的扰动传播；当出现稀疏观测时，学习到的校正器利用预测偏差修正先前预测状态并重跑中间动力学，把校正沿预测接触链传播。这些预测驱动滚动时程规划器，在取物进度与周围物体位移、旋转之间权衡，允许必要接触而抑制有害扰动。作者在平面环境与 RoboCasa 环境中评估长时程预测、泛化性与鲁棒性，论文共 8 页、8 图、1 表，投稿 ICRA 2027，为 arXiv 预印本。