Résumé Technique : Des dynamiques prédites peuvent-elles exister dans le monde physique ?

1. Énoncé du problème

Les systèmes d'IA physique modernes, incluant les modèles de monde (world models), les politiques VLA (Vision-Language-Action) et les modèles de fondation pour la robotique, génèrent fréquemment des déroulements d'états prédits, des blocs d'actions (action chunks) ou des plans latents. Bien que ces prédicteurs atteignent souvent une faible erreur quadratique moyenne (RMSE) ou une probabilité élevée en moyenne, les propositions décodées individuelles peuvent violer les contraintes physiques de l'enveloppe d'actionnement du robot (par exemple, dépasser les limites d'accélération, violer la joignabilité cinématique ou nécessiter des transitions d'états impossibles).

Les métriques actuelles telles que l'erreur de prédiction, les estimations d'incertitude ou les scores de vraisemblance évaluent l'adéquation d'un modèle aux données, mais ne vérifient pas intrinsèquement si une proposition concrète et spécifique est physiquement exécutable. Il existe un fossé critique à l'interface prédiction-contrôle : le système manque d'un mécanisme d'exécution pour déterminer si une proposition décodée est compatible avec l'usine (plant) supposée et les limites d'actionnement avant qu'elle ne soit transmise à un planificateur ou à un contrôleur.

2. Méthodologie

L'article propose une Porte d'Admissibilité Physique (Physical Admissibility Gate) agnostique au modèle, qui opère comme un moniteur d'exécution entre le prédicteur et le contrôleur. Cette porte évalue les propositions décodées par rapport à une enveloppe physique spécifiée en utilisant une décomposition de quatre conditions spécifiques.

2.1 La définition de l'admissibilité physique

Une trajectoire prédite est définie comme physiquement admissible s'il existe un signal de commande admissible (respectant les limites de magnitude et de taux) qui aurait pu générer tous les états échantillonnés sur la grille de surveillance.

2.2 Les quatre conditions d'exécution

Le moniteur projette l'admissibilité physique sur trois interfaces observables (courbe d'état, transition état-action et prévision multi-horizon) pour générer quatre conditions nécessaires :

1. Cohérence du flux (Condition d'interface du prédicteur) :

   • Teste la compositionnalité temporelle du prédicteur. Pour un modèle de monde conditionné par une action, la prédiction directe d'un horizon $h+k$ doit correspondre à la composition d'une prédiction pour $h$ suivie d'une prédiction pour $k$.
   • Une violation indique que le prédicteur n'est pas un flux compositionnel exact, même si la trajectoire semble lisse.

2. Accessibilité récursive (Condition cinématique) :

   • Exige que chaque état ultérieur prédit $\hat{x}_{t+h+k}$ soit accessible depuis chaque état antérieur $\hat{x}_{t+h}$ dans le laps de temps $k\Delta t$, étant donné l'ensemble de commandes admissibles $U$.
   • Utilise une approximation extérieure de l'ensemble atteignable $R_{k\Delta t}(x)$. Si un état tombe en dehors de cet ensemble, la proposition est rejetée.

3. Croissance différentielle bornée (Condition cinématique) :

   • Contraint les différences finies de la séquence d'états (vitesse, accélération, jerk/dérivée de l'accélération).
   • Garantit que la trajectoire ne présente pas de changements de cadre à cadre arbitraires qui violeraient les limites de taux des actionneurs ou les dérivées bornées.

4. Cohérence de la dynamique apprise (Condition dynamique) :

   • Évalue le résidu de transition à un pas de temps lorsque la dynamique conditionnée par l'action est disponible.
   • Calcule le résidu standardisé entre l'état suivant prédit et la transition réelle $(\hat{x}_t, u_t, \hat{x}_{t+1})$ par rapport à la moyenne et à la variance du modèle appris.
   • Cela teste la compatibilité au-delà de la lissité de la courbe, en s'assurant que la paire état-action est cohérente avec la dynamique apprise.

2.3 Le score du moniteur

Le moniteur agrège ces conditions en un score scalaire $S$, défini comme le maximum des résidus normalisés de toutes les conditions disponibles :
$$S = \max \left( \frac{\Delta R}{\epsilon_R}, \frac{E^\Delta_p}{B_p}, \frac{\Delta D}{\epsilon_D}, \frac{\Delta F}{\epsilon_F} \right)$$

• Règle de décision : Si $S > \eta$ (un seuil calibré), la proposition est REJETÉE. Le moniteur identifie également le composant spécifique ($c^\star$) causant la violation à des fins de diagnostic.
• Sémantique : Le rejet est une décision opérationnelle concernant l'exécutabilité d'une proposition spécifique, et non un jugement sur la validité globale du modèle d'apprentissage.

3. Protocole expérimental

Le cadre a été évalué sur le jeu de données Hugging Face LeRobot PushT (une tâche de poussée planaire avec des images synchronisées et des actions continues en 2D).

• Benchmarks : L'étude a comparé la porte complète à des bases de référence incluant le scoring d'incertitude, les résidus RMSE, les vérifications uniquement cinématiques et les vérifications uniquement d'action.
• Modèles : Des modèles de monde MLP compacts ont été entraînés, incluant des ensembles d'états seuls, des modèles conditionnés par l'historique et des prédicteurs directs multi-horizons.
• Tests de stress : Des perturbations structurées ont été introduites pour créer des propositions "invalides" avec des violations physiques connues (ex: impulsion lisse, retard d'actionneur, déformation temporelle, changement de mode, désaccord action-état et saturation).
• Intervention de relecture (Replay) : Une simulation d'exécution au runtime où les propositions sont soit acceptées, soit redirigées vers un bloc nominal de secours (fallback nominal chunk) si elles sont rejetées.

4. Résultats clés

4.1 Performance de détection

• Pleine porte : A atteint une Aire Sous la Courbe (AUC) de 0,957 et une Précision Moyenne (AP) de 0,993 pour la détection des violations dynamiques.
• Résidus de transition : Le résidu de la dynamique apprise (transition à un pas) était le détecteur scalaire individuel le plus fort (AUC 0,982), surpassant les vérifications uniquement cinématiques (AUC 0,592) et le scoring basé sur l'incertitude (AUC 0,828).
• Cohérence du flux : Les incohérences de prédiction directe contrôlées ont été détectées avec une précision de 100 % (AUC 1,000).

4.2 Intervention au runtime

Dans les expériences de relecture où des propositions invalides ont été générées :

• La porte d'admissibilité physique complète a empêché 87,7 % des propositions invalides d'être exécutées.
• Le taux d'intervention faux positif (rejet de blocs nominaux valides) était de 8,5 %.
• La progression moyenne de la tâche a été préservée proche de 0,998, indiquant que la porte filtre les erreurs sans entraver significativement la performance nominale.
• Les conditions uniquement cinématiques ont échoué à détecter de nombreuses violations dynamiques structurées, confirmant que la lissité géométrique ne garantit pas l'exécutabilité physique.

4.3 Comparaisons de modèles

• Les modèles conditionnés par l'historique (utilisant les paires état-action passées) ont nettement surpassé les ensembles de Markov basés uniquement sur l'état en termes de RMSE de déroulement (0,00221 contre 0,01000), suggérant que l'état surveillé dans PushT n'est pas totalement suffisant pour la prédiction sans l'historique.

5. Signification et affirmations

L'article affirme fournir un garde-fou d'exécution (runtime guardrail) pour l'IA physique prédictive qui répond à un écart spécifique : la vérification de l'exécutabilité plutôt que de la simple adéquation prédictive.

• Formulation au niveau de l'interface : La contribution est une décomposition au niveau de l'interface qui traite la proposition décodée comme l'unité de vérification, indépendamment de la classe de politique ou de l'objectif d'apprentissage qui l'a produite.
• Conditions nécessaires : Les auteurs soulignent que passer la porte est une condition nécessaire pour l'admissibilité physique, et non un certificat de succès de la tâche. Le rejet identifie de manière définitive une violation de l'enveloppe spécifiée ; passer la porte implique que la proposition est cohérente avec l'enveloppe, mais ne garantit pas que la tâche réussira.
• Capacité de diagnostic : Contrairement aux scores d'anomalie génériques, la porte fournit une attribution par composant, identifiant si un échec est cinématique (accessibilité/croissance), dynamique (désaccord état-action) ou lié à l'interface du prédicteur (cohérence du flux).
• Modularité : Le cadre est modulaire, permettant l'ajout de contraintes spécifiques (couple, collision, puissance) tant que les variables et les limites sont spécifiées dans l'enveloppe.

L'article conclut que bien que les modèles prédictifs puissent être précis en moyenne, ils produisent fréquemment des propositions individuelles physiquement impossibles. La porte d'admissibilité proposée offre un mécanisme pratique pour filtrer ces propositions avant l'exécution, comblant ainsi le fossé entre l'apprentissage robotique prédictif et les contraintes des systèmes dynamiques.