FAR：面向测试时恢复与持续策略改进的故障感知重试机制

机器人策略在真实环境中部署时难免遭遇失败。朴素的重试往往重蹈覆辙，而现有恢复方法多依赖人工干预。本文提出故障感知重试（FAR）框架，使机器人能在测试时从既往失败中学习，自适应调整行为并最终自主完成任务。FAR 结合故障对比偏好适应，利用失败构建偏好学习数据以引导策略避开无效行为，并在重试中引入轻量级动作扰动以促进局部探索。此外，该框架将成功恢复轨迹纳入训练循环以实现持续策略改进。实验表明，FAR 显著提升了成功率与鲁棒性。