Résumé Technique : Filtrage Hybride Variationnel à Support-Sûr pour la Récupération des Modes de Contact et des Lois Éparses

Énoncé du Problème

La dynamique des robots en contact est intrinsèquement hybride, caractérisée par des transitions entre régimes distincts tels que le mouvement libre, l'impact, l'adhérence et le glissement. Un mode de défaillance critique dans le filtrage variationnel amorti standard est le décalage de support : une distribution de proposition apprise peut attribuer une probabilité nulle ou négligeable à une transition de contact réalisable que le robot suit effectivement. Si cette branche est supprimée tôt dans le processus de filtrage, les observations ultérieures ne peuvent pas la récupérer, entraînant un effondrement catastrophique du filtrage. Ce problème est particulièrement aigu sous observation partielle (par exemple, une occlusion importante), où plusieurs futurs cohérents avec le contact restent réalisables.

Les approches existantes font face à un compromis : les modèles latents variationnels évolutifs manquent souvent de structure hybride explicite et d'interprétabilité physique, tandis que les modèles structurés physiquement ou les méthodes basées sur des particules sont souvent coûteux en calcul à amortir ou difficiles à déployer en tant que modèles de perception appris de bout en bout. De plus, les propositions standard peuvent échouer à couvrir le support cible, entraînant des poids d'importance instables et un apprentissage dégradé.

Méthodologie : VHyDRO

Les auteurs proposent VHyDRO (Variational Hybrid Dynamics with Robust Proposal Support), un modèle d'espace d'états variationnel hybride à support-sûr conçu pour la dynamique de contact partiellement observée.

Architecture du Modèle

VHyDRO représente l'état du système $x_t = (s_t, z_t)$, où :

• $z_t$ est un état de croyance latente continue.
• $s_t$ est un régime de contact prédictif discret (mode).

Les dynamiques de transition pour chaque mode sont paramétrées par un cœur port-Hamiltonien augmenté de corrections issues d'une bibliothèque éparses. Cette structure garantit que les dynamiques apprises sont structurées physiquement, interprétables et capables de récupérer les équations gouvernantes.

Inférence à Support-Sûr

L'innovation centrale réside dans la procédure d'inférence, qui empêche la suppression des branches réalisables par le modèle.

1. Proposition de Mélange Défensif : Au lieu d'échantillonner uniquement à partir d'une proposition amortie $Q_t$, VHyDRO échantillonne à partir d'une distribution de mélange :
   $$Q_{t,\lambda} = (1 - \lambda)Q_t + \lambda P_t$$
   Ici, $P_t$ est la loi de transition en un pas du modèle (le « porteur de transition réalisable ») qui définit l'ensemble des modes et transitions réalisables par le modèle. La proposition apprise $Q_t$ est adaptative aux observations et précise, tandis que $P_t$ assure la couverture du support réalisable.
2. Budgétisation Pré-Échantillonnage : Le poids de mélange $\lambda_t$ est choisi avant l'échantillonnage des particules, sur la base d'un certificat $\bar{\rho}_t$ dérivé du budget de variance souhaité. Cela garantit que le rapport de la densité cible à la densité de proposition est borné ($dP_t/dQ_{t,\lambda} \le 1/\lambda$).
3. Pondération Cohérente : Le même mélange réalisé $Q_{t,\lambda}$ est utilisé à la fois pour l'échantillonnage et le calcul des poids d'importance, maintenant la validité de l'estimation de l'Objectif Variationnel de Filtrage (FIVO) / Filtrage par Pondération d'Importance Séquentielle (IW).

Garanties Théoriques

L'article établit trois liens théoriques reliant le mécanisme de filtrage aux capacités en aval :

1. Filtrage à Support-Sûr (Théorème 1) : Le mélange défensif garantit que la proposition $Q_{t,\lambda}$ domine le support cible $P_t$. Cela borne la variance relative de l'estimateur de normalisation et garantit une borne inférieure sur la Taille d'Échantillon Effective (ESS), empêchant l'effondrement du filtre sous une occlusion élevée.
2. Concentration des Modes (Théorème 2) : Sous des conditions de séparation prédictive (écart suffisant de vraisemblance logarithmique entre les modes), le filtre stabilisé concentre le posterior discret sur des régimes de contact cohérents. Cela permet au modèle d'identifier des segments temporellement cohérents de comportement en contact.
3. Récupération de Lois Éparses (Théorème 3) : Une fois les segments purs en mode identifiés, l'article applique des bornes d'oracle Lasso pour montrer que la régression port-Hamiltonienne éparses peut récupérer les termes physiques actifs. L'erreur est décomposée en composantes de filtrage, de dérivée, d'impureté de mode et de perturbation par insertion.

Contributions Clés

1. Porte IW/FIVO à Support-Sûr : Un mécanisme déployable pour le filtrage hybride amorti qui mélange la proposition apprise avec un porteur réalisable avant l'échantillonnage. Contrairement aux inégalités de mélange défensif statiques, cette approche opère séquentiellement, choisissant $\lambda_t$ sur la base d'un certificat pré-échantillonnage et utilisant le même mélange pour la pondération.
2. Modes de Contact Prédictifs : La méthode infère conjointement des états latents continus et des modes de contact discrets, produisant des segments temporellement cohérents qui s'alignent avec des régimes de proxy cinématiques, surpassant les bases de segmentation a posteriori.
3. Audit de Loi Éparse Contrôlé : Le cadre permet la récupération de lois physiques éparces interprétables (coefficients port-Hamiltoniens) à partir de segments conditionnés par le mode, séparant la prédiction précise de la récupération du mécanisme.

Résultats Expérimentaux

Les auteurs valident les trois liens de mécanisme à travers trois expériences :

Expérience 1 : Audit de Décalage de Support à Forte Occlusion

• Configuration : Évaluation sur des tâches de type Contact (PickCube, PokeCube, etc.) et les familles Sawyer/BridgeData sous des niveaux variables d'occlusion (jusqu'à 90 %).
• Constat : Sous forte occlusion, les bases non défensives ($\lambda=0$) et les modèles latents lisses souffrent d'un « effondrement prédictif », caractérisé par une chute brutale de l'ESS/N et une augmentation massive de la Vraisemblance Négative Logarithmique (NLL).
• Performance : Les variantes VHyDRO à support-sûr maintiennent un ESS/N utilisable (par exemple, passant de 0,042 à 0,141 à 90 % d'occlusion) et empêchent l'effondrement du NLL (réduisant le NLL d'environ 11,3 à environ 0,16). La variante conservatrice (λ fixe plus élevé) offre la plus grande robustesse, tandis que la variante adaptative équilibre précision et stabilité.

Expérience 2 : Segmentation des Régimes de Contact

• Configuration : Appliqué aux démonstrations ManiSkill et Sawyer/BridgeData. L'évaluation utilise des étiquettes de proxy cinématique débruitées (libre, impact, adhérence/glissement) dérivées des champs d'état/d'action, et non des forces de contact du simulateur.
• Constat : VHyDRO produit des segments de modes temporellement cohérents qui s'alignent mieux avec les étiquettes de proxy que les bases de comparaison.
• Métriques : VHyDRO atteint des performances supérieures en Indice Rand Ajusté (ARI), F1 de point de changement et F1 de mode par rapport à HMM et aux variantes d'ablation (sans support, sans mode). La base « sans mode » échoue complètement, confirmant la nécessité d'une structure discrète.

Expérience 3 : Récupération de Lois Physiques Éparses

• Configuration : Testé sur quatre systèmes hybrides contrôlés avec des équations port-Hamiltoniennes éparces connues.
• Constat : Étant donné des segments purs en mode, VHyDRO récupère avec succès les termes physiques actifs et les coefficients.
• Métriques : VHyDRO atteint un F1 de support élevé (0,978) et une faible erreur relative de coefficient (0,006). En revanche, l'ablation « sans mode » confond les régimes, entraînant des erreurs élevées, et l'ablation « sans éparsité » échoue à identifier le support actif malgré une prédiction raisonnable du champ vectoriel.

Signification et Revendications

L'article revendique que VHyDRO fournit un mécanisme nécessaire pour stabiliser le filtrage variationnel dans des environnements riches en contacts où le décalage de support est un mode de défaillance primaire.

• Isolation du Mécanisme : Les auteurs soulignent que leurs résultats sont des « audits d'isolation de mécanisme ». Ils démontrent que l'ajout d'un porteur de support défensif stabilise le filtrage, ce qui permet à son tour la segmentation de modes cohérente et la récupération de lois éparces.
• Garanties Relatives au Modèle : Les garanties sont explicitement relatives au modèle. VHyDRO ne peut récupérer que les branches réalisables selon le modèle porteur $P_t$ ; il ne peut pas récupérer les branches physiques omises par le modèle lui-même.
• Utilité en Aval : Le filtre stabilisé produit des états discrets suffisamment cohérents pour soutenir des tâches en aval telles que la découverte de lois physiques éparces, une capacité que les bases purement prédictives n'ont pas.
• Limitations : Les auteurs notent modestement qu'ils ne revendiquent pas la domination de la réussite des tâches en boucle fermée, le transfert vers des robots réels, ou la récupération de la vérité terrain des forces de contact du simulateur. Les expériences se concentrent sur les mécanismes intermédiaires de stabilité du filtrage, de cohérence de segmentation et de récupération d'équations. Les garanties théoriques pour le contrôle en boucle fermée (Théorème 4) sont présentées comme des énoncés conditionnels en aval nécessitant une loi de déploiement calibrée par KL, qui n'est pas certifiée numériquement dans les expériences actuelles.

En résumé, VHyDRO comble le fossé entre la perception variationnelle évolutive et la dynamique hybride interprétable en garantissant que le processus de filtrage ne rejette pas prématurément les branches de contact réalisables, permettant ainsi une inférence robuste et une récupération de lois physiques dans des scénarios partiellement observés et riches en contacts.