发表机构
Harvest Praxis（Harvest Praxis）
机构由 AI 辅助整理，请以论文原文为准。AI 中文总结
本研究提出物理核（dark_f）方法，在短暂亮光编码后利用结构化视觉潜变量和开环动力学完成暗操作，在堆叠任务上显著优于逐步重编码基线，并验证了动力学与编码鲁棒性。
AI 中文摘要
我们研究暗操作：在短暂的亮光写入阶段，Write 编码 z0 = Enc(rgb)，之后策略 pi(z) 和开环动力学 f(z,a) 在无需更多像素的情况下完成接触丰富的技能（dark_f）。在 ManiSkill StackCube（n=160；种子包 0/1000）上，dark_f 在五级链条（near_A -> grasped -> lifted -> on_B -> stacked）上达到 68.1% 的堆叠成功率，而逐步亮光重编码（lit_reenc）为 35.6%，冻结/编码黑（freeze/encode_black）为 0%。在共享的 Write->HOLD 协议（n=40）下，遮挡和相机对齐的 GT 接触邻域掩码使亮光提升从 43% 降至 0%，而 dark_f 保持 82.5%；打乱动作使动力学 MSE 膨胀约 9.4 倍；写入时外观变化破坏编码（夜晚：0% 堆叠），而 HOLD 期间的相同变化不影响 dark_f 的提升；写入长度 Tw 在达到停止阶段后保持平稳，而提前停止和写入时模糊/JPEG 压缩会急剧降低堆叠成功率。专门的 pi_write 在视觉预算下达到 35% 的堆叠成功率（n=80）；匹配的 Dreamer 风格/像素空模型（无特权几何）保持 0%。特权状态 RSSM MPC 在 9D 暗观测下达到约 35% 的堆叠成功率——这是一个更强观测的空模型，而非匹配的视觉基线。
英文摘要
We study dark manipulation: after a brief lit Write encodes z0 = Enc(rgb), a policy pi(z) and open-loop dynamics f(z,a) complete contact-rich skills without further pixels (dark_f). On ManiSkill StackCube (n=160; seed packs 0/1000), dark_f attains 68.1% stacked on the five-rung chain (near_A -> grasped -> lifted -> on_B -> stacked), compared with 35.6% for per-step lit_reenc and 0% for freeze/encode_black. On a shared Write->HOLD protocol (n=40), occlusion and camera-aligned GT contact-neighbor masks drive lit lift from 43% to 0%, while dark_f holds 82.5%; shuffling actions inflates dynamics MSE by ~9.4x; write-time appearance shifts break encoding (night: 0% stacked), yet the same shifts during HOLD leave dark_f lift unchanged; Write length Tw is flat once the stop phase is reached, while earlier stops and write-time blur/JPEG sharply cut stacked. A dedicated pi_write reaches 35% vision-budget stacked (n=80); matched Dreamer-style/pixel nulls without privileged geom stay at 0%. Privileged state-RSSM MPC reaches ~35% stacked with 9D dark observations -- a stronger-observation null, not a matched visual baseline.
