Technisches Resümee: Onto-EV-WM für die Fehlerdiagnose und geschlossene Reparatur-Schleifen

1. Problemstellung

Physische KI-Systeme, die Weltmodelle nutzen (z. B. EV-WM), prognostizieren Kandidaten-Zukünfte und bewerten diese anhand von Feature- oder Ereignisvektoren. Diese skalaren Scores oder Ereignisvektoren lassen jedoch oft keine expliziten semantischen Informationen darüber zu, warum ein Kandidat fehlschlägt. Insbesondere erfassen sie nicht:

• Welches spezifische Aufgabenprädikat nicht erfüllt bleibt (z. B. eine räumliche Relation oder eine Gelenkbeschränkung).
• Die typisierten Argumente, die mit dem Fehler assoziiert sind.
• Ein Routen-Label, das angibt, welcher Korrekturmechanismus angewendet werden sollte.
• Ein Ergebnis der Post-Korrektur-Akzeptanz basierend auf nativen Aufgabenprädikaten.

Folglich identifiziert ein System zwar einen niedrig bewerteten Kandidaten, verfügt aber nicht über eine strukturierte Schnittstelle, um die spezifische ungenügende Bedingung zu diagnostizieren, einen kompatiblen Korrekturmechanismus zuzuweisen und das Ergebnis mittels eines geschlossenen Regelkreises (Closed-Loop-Protokoll) zu verifizieren. Das Paper adressiert die Lücke zwischen hochdimensionaler Vorhersage und symbolischer Aufgabenverifikation mit dem Ziel, eine explizite Schnittstelle für Diagnose und Reparatur bereitzustellen, ohne das zugrunde liegende Weltmodell oder den visuomotorischen Controller zu ersetzen.

2. Methodik: Onto-EV-WM

Die Autoren schlagen Onto-EV-WM vor, eine ontologie-gestützte Diagnose- und Verifikations-gesteuerte Korrekturschnittstelle, die als Schicht über der bestehenden EV-WM-Architektur liegt. Es handelt sich nicht um ein Ersatz-Weltmodell, sondern um eine symbolische Schicht, die den Fluss von der Vorhersage zur Korrektur verwaltet.

2.1 Architektur und Komponenten

Das System operiert durch eine strukturierte Pipeline, die aus drei Hauptkomponenten besteht:

1. Ontologischer Datensatz-Layer (TBox und ABox):
   • TBox (Task Box): Definiert ein lokales Aufgaben-Schema einschließlich Entitätstypen (z. B. Objekt, Region, Gelenk), Prädikatssignaturen (z. B. in_region, contact) und Typbeschränkungen. Sie dient als wiederverwendbares Vokabular für die spezifische Aufgabe.
   • ABox (Assertion Box): Instanziiert den aktuellen Zustand. Das System konstruiert drei provenzspezifische ABoxes:
     • $A^\star_g$: Die erforderlichen Assertions, die aus der strukturierten Aufgabenbeschreibung ($g$) kompiliert wurden.
     • $\hat{A}^{pred}_{g,t+H}$: Assertions, die aus den vorhergesagten Ausgaben des Weltmodells abgeleitet wurden.
     • $A^{sim}_{g,t}$: Assertions, die direkt aus dem Simulatorzustand abgeleitet wurden.
2. Deterministische Diagnose und Routing:
   • Diagnose ($\Pi_D$): Vergleicht die erforderliche ABox ($A^\star_g$) mit der beobachteten/vorhergesagten ABox. Sie identifiziert nicht erfüllte Assertions ($\Delta F_{src}$) und bewahrt dabei das spezifische Prädikat, dessen typisierte Argumente sowie etwaige kontinuierliche Grenzwertverletzungen. Dies generiert einen typisierten Fehlerdatensatz (z. B. relation_missing(plate, stove_front)).
   • Routing ($\Pi_R$): Eine deterministische Regelbasis bildet den typisierten Fehler auf ein spezifisches "Routen-Label" ab. Eine Route ist ein Dispatch-Label für einen kompatiblen Korrekturmechanismus (z. B. "Quell-Gelenkpose", "Objekt-Relations-Prädikat"), nicht eine direkte Roboteraktion.
3. Verifikations-gesteuerter Korrekturzyklus:
   • Vorschlagserzeugung: Ein Proposer (erlernt, heuristisch oder planungsbasiert) generiert eine Korrektur $q$ basierend auf dem Fehlerdatensatz und der ausgewählten Route.
   • Anwendung: Die Korrektur wird entweder durch direkte Mutation des Simulatorzustands (z. B. Modifikation von $qpos$) oder durch controller-gesteuerte Ausführung angewendet.
   • Verifikation: Ein nativer Aufgaben-Verifier prüft den resultierenden Zustand gegen das Aufgabenprädikat.
   • Begrenzter Wiederholungsversuch (Bounded Retry): Falls die Verifikation fehlschlägt, erhöht das System das Budget für Versuche ($b$), führt ein Re-Grounding des Zustands durch und versucht entweder dieselbe Route erneut oder wählt eine neue Route. Der Zyklus terminiert bei Erfolg oder bei Erschöpfung des Budgets.

2.2 Operativer Ablauf

Die Schnittstelle trennt Vorhersage, Grounding, Diagnose, Anwendung und Verifikation.

• Input: Aufgabenbeschreibung, Quell-Tag (Vorhersage oder Simulation) und Zustand.
• Prozess: Zustand in ABox grounden $\rightarrow$ Fehlende Prädikate diagnostizieren $\rightarrow$ Route zuweisen $\rightarrow$ Korrektur generieren $\rightarrow$ Anwenden $\rightarrow$ Verifizieren.
• Output: Ein akzeptierter Zustand, ein beibehaltenes Planungs-Kandidat oder ein ungelöster, typisierter Fehlerverlauf.

3. Kernbeiträge

Das Paper leistet drei primäre technische Beiträge:

1. Operative Roboter-Aufgaben-Ontologie: Ein Design für eine explizite Grounding-Schnittstelle, die vorhergesagte und im Simulator beobachtete Zustände als distinkte, aufgabenspezifische ABoxes unter einem gemeinsamen Vokabular und Typbeschränkungen darstellt.
2. Deterministische Diagnose und Routing: Ein regelbasiertes System, das verletzte Prädikate und deren typisierte Argumente bewahrt und diese ohne Verlust des ursprünglichen Kontextes auf aufgabenspezifische Korrekturrouten abbildet.
3. Verifikations-gesteuerter Korrekturvertrag: Ein Protokoll, das den vollständigen Lebenszyklus eines Korrekturversuchs (Diagnose, Routenwahl, Vorschlag, Anwendungsmodus und native Prädikat-Akzeptanz) aufzeichnet und einen begrenzten Wiederholungsmechanismus erzwingt.

4. Experimentelle Ergebnisse

Die Autoren evaluieren Onto-EV-WM über drei verschiedene Benchmark-Settings mittels Simulationsprotokollen.

4.1 PointMaze (Alignierter Vergleich)

• Setup: 50-Versuchs-Random-State-Planungsvergleich zwischen EV-WM und Onto-EV-WM.
• Ergebnisse: Beide Methoden erreichten eine Erfolgsquote von 94 %. Onto-EV-WM erzielte jedoch eine signifikant geringere mittlere Endzustandsdistanz (0,61177) im Vergleich zu EV-WM (0,90573), was auf eine höhere Präzision bei der Erfüllung der Aufgabenbedingungen hindeutet.
• Hinweis: Eine separate Konfiguration mit einem größeren Suchbudget und einer "Success-First"-Selektion erreichte 100 % Erfolg, ist jedoch aufgrund der Budgetunterschiede nicht direkt mit dem alignierten Setting vergleichbar.

4.2 LIBERO-Goal (Sampled-Window Korrektur)

• Setup: Evaluierung auf 10 Manipulationsaufgaben unter Verwendung von 4 Evaluierungs-Sampling-Seeds. Das Protokoll sampelt 25-Schritte-Demonstrationsfenster. Korrekturen werden via eines festen gelernten Source/Joint-$qpos$-Delta-Mechanismus direkt auf den Simulatorzustand angewendet.
• Ergebnisse:
  • Seed 0: 93,8 % korrigierte Fenster-Erfolgsquote (469/500).
  • Über 4 Seeds: 94,05 ± 0,30 % korrigierter Erfolg.
  • Recovery: Von 261 Replay-Fehlern wurden 142 ("rescued") durch den Korrekturmechanismus gerettet (54,4 %).
• Kontext: Die Ontologie liefert das diagnostische Record, welches den Fehler mit dem festen Korrektur-Head verknüpft; die berichtete Metrik spiegelt die vollständige, ontologie-gestützte Konfiguration wider.

4.3 LIBERO-Plus (Fixed Registry)

• Setup: Evaluierung auf einem festen Register von 10.030 Perturbationsaufgaben über vier Suiten (LIBERO-10, Goal, Object, Spatial).
• Ergebnisse:
  • Gesamterfolg: 85,00 % (8.526/10.030 Aufgaben).
  • Aufschlüsselung nach Suiten:
    • LIBERO-Goal: 91,39 %
    • LIBERO-Object: 91,38 %
    • LIBERO-Spatial: 91,38 %
    • LIBERO-10: 65,98 % (identifiziert als die Suite mit der höchsten Anzahl an residualen Fehlern).
  • Vergleich: Die Onto-EV-WM-Konfiguration übertrifft mehrere Baselines, einschließlich DINO-WM + CEM (61,57 %) und verschiedene VLA-Modelle, wobei der Vergleich jedoch systemweit ist und den kausalen Beitrag der Ontologie allein nicht isoliert.

5. Bedeutung und Ansprüche

Das Paper positioniert Onto-EV-WM als eine systemweite Schnittstelle, die physische KI-Systeme verbessert, indem sie explizite, typisierte Argumentation in den Prozess der Fehlerdiagnose und -reparatur integriert.

• Moderater Umfang: Die Autoren stellen explizit klar, dass die Ergebnisse nicht beinhalten:
  • Realroboter-Recovery oder Sim-to-Real-Validierung.
  • Einen allgemeinen Open-World-Wissensgraphen oder eine universelle Roboter-Ontologie.
  • Einen reinen Ontologie-basierten kausalen Anteil (die Leistungssteigerungen werden der vollständigen Konfiguration zugeschrieben).
  • Eine neue gelernte Policy-Klasse, die bestehende Controller ersetzt.
• Kernwert: Die Bedeutung liegt in der Fähigkeit, zu protokollieren, warum eine Aufgabe fehlschlug (typisierte Prädikate und Argumente) und den Reparaturprozess zu strukturieren (Routen und Verifikation) in einer Weise, die von dem zugrunde liegenden Vorhersagemodell entkoppelt ist. Dies ermöglicht eine "geschlossene Reparatur-Schleife" innerhalb von Simulationsprotokollen, in denen Verifikations-Gates die Akzeptanz von Korrekturen steuern.
• Limitierungen: Die Evaluierung stützt sich auf simulationsbasierte Protokolle. Der Begriff "Closed Loop" bezieht sich auf einen begrenzten Verify-Retry-Zyklus innerhalb des Simulators, nicht auf Echtzeit-Feedback-Steuerung auf physischer Hardware. Die quantitativen Ergebnisse spiegeln die Leistung des integrierten Systems unter spezifischen Protokollen wider und nicht die isolierte Wirksamkeit der Ontologie.