R / 01
变化下的不变学习
Invariant Learning under Change
识别跨环境保持稳定的机制，让模型在分布迁移与未知条件下依然成立。
OBS. A
OBS. B
≡
INVARIANT
Different observations. Equivalent form.
t → ∞
01 / ABOUT
从不同的观测中，
识别共同的结构。
同一个对象，会因视角、尺度、模态和环境而呈现不同形态。表象在迁移，规律却可能共享。
Equiva Lab 试图识别这些变化背后的稳定结构，并把它们转化为可理解、可迁移、可验证的表征与方法。
02 / RESEARCH
我们的研究方向
我们围绕表征、变化与结构展开基础研究，并关注这些原则如何让智能系统在开放环境中保持可靠。
R / 02
等价表征与对齐
Equivalent Representation & Alignment
寻找不同模态、视角和坐标系之间可转换、可比较的共同表示。
R / 03
结构化世界建模
Structured World Models
从复杂观测中恢复可组合的关系、动力学与因果结构。
03 / NEWS
最新动态
WORK WITH US
和我们一起，
探索不变性
我们期待研究合作、学术交流，以及对这些问题同样好奇的新成员。
查看加入方式