PileBelief：土堆表面一样，挖掘历史仍会改变结果

图 2 的两条记忆如何修正当前观察，并避免想象污染实测？

1. 1

   先学习当前观察的局部先验

   局部高度、有效区域与铲斗扫掠几何进入 CNN，六维候选动作进入 MLP；输出地形变化、铲取体积 V、峰值力 F、边界流量 q 与失效体积 R。先训练局部网络，再冻结它学习历史修正，保持当前观察这个锚点。

2. 2

   保存形变与材料响应

   地图按世界坐标登记形变，参考配置保留最近三次事件通道和三次响应向量；世界高度累积变化，原始事件缓存仍有界。另有 ConvGRU 递归记忆对照，不能把默认三事件缓存说成无限完整历史。

3. 3

   按候选动作读取相关区域

   按平均绝对形变选择最多 12 个历史瓦片，并投到候选动作的纵横坐标系。空间 CNN 和响应 MLP 产生修正，tanh 限幅、sigmoid 门控决定强度；错误位置、错误动作对齐与错误响应的干预用于检查证据是否真的被使用。

4. 4

   在相同观察下学习隐藏差异

   配对组共享当前观察和动作，但有不同隐藏历史；组内去均值损失强调历史可解释的结果差异，权重为 4。拥有更多历史信息本来就可能提高性能，需通过错配与容量对照进一步定位收益。

5. 5

   执行与推演维护不同状态

   真实执行后才更新实测记忆；想象 rollout 使用独立状态，不能将预测结果写回实测证据。参考多步协议的第一步仍使用局部预测，动作排序实验是离线候选评估，并未展示真实挖掘闭环规划。

以下为作者报告；已阅读 v1 全文及可用附录，本站未独立执行研究实验。实验条件与编辑解读分别列出。

正文表示实现拟在接收后发布，本次未确认独立实现或数据入口。引用 Newton 等上游仿真器不等于 PileBelief 已开放。

LICENSE实现及数据许可待确认。