Resumen Técnico: Circuitos Causales Intervencionistas para Pruebas de Acciones Robóticas Seguras y Recuperación de Fallos

Declaración del Problema

El despliegue de sistemas autónomos físicamente seguros requiere un bucle continuo donde los robots propongan acciones, las prueben contra restricciones de seguridad (por ejemplo, colisión, alcanzabilidad, estabilidad) y se adapten cuando las propuestas fallen. Si bien las pruebas formales proporcionan garantías sólidas, su coste computacional escala pobremente frente a la dimensionalidad del espacio de acciones.

En los sistemas existentes, cuando una acción propuesta falla una prueba de seguridad, la respuesta estándar es el "remuestreo ciego": el planificador extrae un nuevo candidato de la distribución de planificación sin analizar por qué falló el anterior. Este enfoque es ineficiente, carece de información y no ofrece garantías de convergencia. Además, muchos métodos de recuperación o bien descartan la estructura paramétrica continua de los planes fallidos (replanificación clásica basada en modelos) o requieren grandes conjuntos de datos de fallos fuera de línea para aprender comportamientos correctivos (enfoques basados en datos). Existe la necesidad de un método que integre el razonamiento causal directamente en el bucle de planificación-prueba para diagnosticar fallos y generar correcciones dirigidas utilizando únicamente la distribución de planificación ajustada y las salidas del evaluador, sin requerir un modelo de fallo entrenado por separado.

Metodología

Los autores proponen un marco de bucle cerrado que acopla un Árbol de Probabilidad Conjunta (JPT) con un Circuito Causal derivado de un Árbol de Variables Marginal-Deterministas (MdVtree).

1. Arquitectura del Sistema

• Distribución de Planificación (JPT): Se ajusta un JPT a una base de datos de ejecuciones exitosas (Memorias Episódicas Habilitadas por Narrativa). El JPT particiona recursivamente el espacio de parámetros de acción continuo en regiones alineadas con los ejes, ajustando distribuciones independientes dentro de cada una. Este modelo captura las correlaciones entre variables y permite la inferencia marginal y condicional exacta y rápida. Crucialmente, los JPT tienen un soporte finito, lo que permite la detección exacta de entradas fuera de la distribución (out-of-distribution).
• Estructura Causal (MdVtree): Para permitir la inferencia causal, se designa un conjunto de variables de causa $C$ y una variable de efecto $Y$. Se establece un orden de prioridad causal utilizando el análisis de Efecto de Tratamiento Promedio Normalizado ($ATEnorm$). Este orden se utiliza para construir un MdVtree sobre $C$, donde la variable más influyente se separa primero.
• Construcción del Circuito Causal: El JPT ajustado se extiende en un Circuito Causal imponiendo la estructura del MdVtree. Esto impone determinismo marginal: cada SumUnit en un nivel causal particiona el soporte de sus hijos de forma disjunta sobre la variable de causa correspondiente. Esta propiedad estructural, verificada antes del despliegue, permite la computación exacta y en tiempo polinomial de distribuciones intervencionistas mediante el ajuste de backdoor sin reentrenamiento.

2. El Bucle de Recuperación de Fallos

El sistema opera en un ciclo de "hipótesis-prueba-depuración":

1. Muestreo: Se muestrea una acción candidata $\hat{x}$ del JPT y se envía a un evaluador de seguridad.
2. Diagnóstico: Si el plan es rechazado, el Circuito Causal diagnostica el fallo. Para cada variable de causa $x_i$, calcula la probabilidad de éxito intervencional $\pi_i(v) = P(Y \ge \tau \mid do(x_i = v), C_{-i} = \hat{x}_{-i})$.
   • La causa primaria se identifica como la variable cuyo valor observado minimiza la probabilidad de éxito intervencional.
   • El valor correctivo recomendado es el valor $v^*$ que maximiza esta probabilidad.
3. Corrección: Se aplica una corrección de "un solo paso" (one-shot). La variable de la causa primaria se restringe a una región alrededor de $v^*$, mientras que todos los demás parámetros se remuestrean de la distribución condicional $p(x_{-i} \mid x_i = v^*)$. Esto preserva las correlaciones aprendidas por el planificador.
4. Gestión de Fuera de Soporte: Si los parámetros observados se encuentran totalmente fuera del soporte de entrenamiento (detectado mediante la propiedad de soporte finito del JPT), el sistema marca el plan como fuera de la distribución y lo excluye de la corrección, evitando la extrapolación insegura.

Contribuciones Clave

1. Construcción Práctica de Circuitos Causales: El artículo presenta un método para extender un modelo de planificación probabilística entrenado (JPT) en un Circuito Causal mediante la imposición de un MdVtree y la verificación del determinismo de soporte. Esto permite consultas intervencionistas exactas sin necesidad de recolección de datos adicional o reentrenamiento.
2. Pipeline de Hipótesis-Prueba-Depuración de Bucle Cerrado: Los autores introducen un pipeline donde los planes rechazados activan el diagnóstico causal y la corrección de parámetros de un solo paso. A diferencia del remuestreo ciego, este enfoque identifica la causa específica del fallo y apunta a la corrección, mientras detecta y excluye automáticamente los candidatos fuera de soporte.
3. Garantía de Tractabilidad Pre-Despliegue: Se introduce un paso de verificación de determinismo de soporte para validar formalmente que todas las consultas intervencionistas serán tratables y exactas antes de que el robot comience a operar.

Resultados Experimentales

El marco fue evaluado en un entorno de simulación ROS2 con un robot PR2 realizando una tarea de pick-and-place de leche. El espacio de acciones incluía posiciones de aproximación y selección de brazo. Se probaron dos variantes de JPT: un JPT de Alta Calidad (precisión fina, cobertura densa) y un JPT Degradado (precisión más gruesa, datos ruidosos).

• JPT de Alta Calidad (Enfoque en Eficiencia): Tanto el JPT base como el Circuito Causal lograron tasas de éxito del 100%. Sin embargo, el Circuito Causal mejoró la eficiencia reduciendo los intentos fallidos totales en un 10.3% (de 97 a 87), reduciendo el tiempo de recuperación promedio de 24.0s a 14.1s, y bajando el peor caso de intentos por iteración de 3 a 2.
• JPT Degradado (Enfoque en Corrección): Bajo distribuciones de planificación más débiles, el Circuito Calusal mejoró significativamente el rendimiento. Redujo los intentos fallidos totales en un 37% (de 4,280 a 2,674), redujo los intentos de recuperación promedio de 2.86 a 1.13, y recortó el tiempo de recuperación en un factor de 2.2 (de 35.5s a 16.3s). También redujo el peor caso de intentos por iteración de 10 a 3, convirtiendo eficazmente los fallos sistemáticos en éxitos mediante correcciones dirigidas.

En ambos escenarios, el sistema detectó y excluyó automáticamente los planes con parámetros totalmente fuera del soporte de entrenamiento, asegurando que no se violaran las garantías de seguridad por extrapolación.

Significancia y Reivindicaciones

El artículo afirma que este marco permite a los robots operar de forma segura y eficiente integrando el razonamiento causal directamente en el bucle de planificación-prueba. Su significancia radica en:

• Interpretabilidad: Cada plan rechazado produce un informe causal estructurado e interpretable que identifica la variable de causa primaria, su valor observado y la región correctiva recomendada, permitiendo la supervisión del operador sin un modelo de fallo separado.
• Tractabilidad y Seguridad: Al aprovechar las propiedades estructurales de los JPT y los MdVtree, el sistema proporciona consultas intervencionistas exactas en tiempo polinomial y garantiza que las correcciones permanezcan dentro del soporte de los datos observados.
• Roles Complementarios: El marco se adapta a la calidad de la distribución de planificación, proporcionando ganancias de eficiencia cuando el planificador es fuerte y ganancias de corrección (convirtiendo fallos en éxitos) cuando el planificador es débil.
• Eficiencia de Recursos: Logra estas mejoras sin requerir reentrenamiento, ejecuciones adicionales de simulación o grandes conjuntos de datos de fallos fuera de línea.

Los autores señalan limitaciones, incluyendo el hecho de que la evaluación actual se limita a una única tarea de pick-and-place con parámetros posicionales, y el trabajo futuro que involucrará tareas de manipulación complejas y validación física en el mundo real.