⚡ electrical engineering

Pixels to Proofs: Probabilistically-Safe Latent World Model Control via Parallel Conformal Robust MPC

यह शोध पत्र SLS² को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो संभाव्यता-आधारित सुरक्षा गारंटी के साथ सुरक्षित, विज़न-आधारित मोशन प्लानिंग को सक्षम करने के लिए एक्शन-कंडीशन्ड लेटेंट वर्ल्ड मॉडल्स को कॉन्फॉर्मल प्रेडिक्शन-एन्हांस्ड रोबस्ट मॉडल प्रिडिक्टिव कंट्रोल के साथ जोड़ता है।

मूल लेखक: Devesh Nath, Anutam Srinivasan, Haoran Yin, Ruitong Jiang, Jeffrey Fang, Glen Chou

प्रकाशित 2026-06-16

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Devesh Nath, Anutam Srinivasan, Haoran Yin, Ruitong Jiang, Jeffrey Fang, Glen Chou

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक रोबोट को एक नाजुक कार्य करना सिखाने की कोशिश कर रहे हैं, जैसे रस्सी में गांठ बांधना या ब्लॉक को एक के ऊपर एक रखना, लेकिन रोबोट के पास केवल एक कैमरा है। वह दुनिया की "वास्तविक" स्थिति (जैसे सटीक कोण या दूरियां) नहीं देख सकता; वह केवल कच्चे चित्रों (raw images) की एक स्ट्रीम देखता है।

यह शोध पत्र एक नई विधि प्रस्तुत करता है जिसे SLS2 (सेफ लेटेंट स्पेस सिस्टम लेवल सिंथेसिस) कहा जाता है, जो रोबोट को सीधे कैमरा छवियों से सुरक्षित गतिविधियों की योजना बनाने में मदद करती है, भले ही दुनिया के बारे में रोबोट का आंतरिक "अनुमान" त्रुटिपूर्ण हो।

यह इस प्रकार काम करता है, जिसे सरल अवधारणाओं और उपमाओं में विभाजित किया गया है:

1. "सपनों की दुनिया" (लेटेंट वर्ल्ड मॉडल)

रोबोट को योजना बनाने के लिए दुनिया के एक सटीक मानचित्र की आवश्यकता होती है। लेकिन वास्तविक दुनिया में, ऐसा मानचित्र प्राप्त करना कठिन है।

उपमा: कल्पना कीजिए कि रोबोट अपनी आँखें बंद करता है और दुनिया का एक सरलीकृत संस्करण "सपना" देखना शुरू करता है। लाखों पिक्सेल को प्रोसेस करने के बजाय, यह एक संक्षिप्त, अमूर्त "सपनों की स्थिति" (लेटेंट स्पेस) बनाता है जो छवि के सार को पकड़ता है।
शोध पत्र क्या करता है: वे इस रोबोट को इस सपनों की दुनिया को सीखना सिखाते हैं। वे रोबोट को यह अनुमान लगाना सिखाते हैं कि कोई चाल चलने के बाद अगला "सपना" कैसा दिखेगा। यह रोबोट को अपने दिमाग में हजारों भविष्य के परिदृश्यों का बहुत तेज़ी से अनुकरण (simulate) करने की अनुमति देता है, बिना वास्तव में रोबोट को हिलाए।

2. "अपूर्ण स्वप्नद्रष्टा" (प्रेडिक्शन एरर्स)

समस्या यह है कि रोबोट का सपना एकदम सही नहीं होता। कभी-कभी वह भविष्यवाणी करता है कि ब्लॉक बाईं ओर जाएगा, लेकिन वास्तव में वह दाईं ओर चला जाता है।

उपमा: यह एक मौसम विज्ञानी की तरह है जो आमतौर पर सही होता है लेकिन कभी-कभी हवा की दिशा गलत बता देता है। यदि आप केवल उनके पूर्वानुमान के आधार पर पिकनिक की योजना बनाते हैं, तो आप भीग सकते हैं।
शोध पत्र का समाधान: इन गलतियों को अनदेखा करने के बजाय, SLS2 इन्हें स्वीकार करता है। यह कॉन्फॉर्मल प्रेडिक्शन (Conformal Prediction) नामक एक सांख्यिकीय उपकरण का उपयोग करके रोबोट के भविष्यवाणियों के चारों ओर एक "सुरक्षा बुलबुला" (safety bubble) बनाता है।
- इस बुलबुले को अनिश्चितता का कोहरा समझें। रोबोट जानता है, "मुझे लगता है कि ब्लॉक यहाँ है, लेकिन क्योंकि मैं गलत हो सकता हूँ, इसलिए ब्लॉक इस कोहरे वाले बुलबुले के भीतर कहीं भी हो सकता है।"

3. "सुरक्षा बुलबुला" (रोबस्ट प्लानिंग)

अधिकांश नियोजन विधियाँ सपनों की दुनिया में एक आदर्श पथ खोजने की कोशिश करती हैं। SLS2 कुछ अधिक स्मार्ट करता है: यह एक ऐसा पथ खोजता है जो सुरक्षित रहे, भले ही रोबोट का सपना थोड़ा गलत क्यों न हो।

उपमा: कल्पना कीजिए कि आप घने कोहरे में कार चला रहे हैं। एक सामान्य ड्राइवर लेन के केंद्र के करीब रहने की कोशिश करेगा, इस उम्मीद में कि वह सही है। एक SLS2 ड्राइवर लेन के बीच में चलता है लेकिन दोनों तरफ एक चौड़ा बफर ज़ोन रखता है। भले ही कार थोड़ी डगमगा जाए (कोहरे/त्रुटि के कारण), वह दीवार से नहीं टकराएगी।
यह कैसे काम करता है: सिस्टम "रीचेबल ट्यूब्स" (reachable tubes) की गणना करता है। ये 3D सुरंगें हैं जो उन सभी स्थानों का प्रतिनिधित्व करती हैं जहाँ रोबोट अपनी अनिश्चितता के कारण पहुँच सकता है। प्लानर यह सुनिश्चित करता है कि पूरा टनल (सुरंग) "सुरक्षित क्षेत्र" के भीतर रहे और "बाधा क्षेत्रों" (जैसे दीवार से टकराना या ब्लॉक गिराना) से बचता रहे।

4. "सुरक्षा निरीक्षक" (कॉन्फॉर्मल ऑब्स्टेकल चेकर)

रोबोट को यह भी जानने की आवश्यकता है कि उसके सपनों की दुनिया में एक "बाधा" कैसी दिखती है।

उपमा: कल्पना कीजिए कि एक क्लब के बाहर एक बाउंसर है। वास्तविक दुनिया में, बाउंसर आईडी चेक करता है। रोबोट की सपनों की दुनिया में, बाउनर "ड्रीम स्टेट" को चेक करता है।
शोध पत्र का समाधान: वे एक विशेष "बाउंसर" (एक न्यूरल नेटवर्क) को प्रशिक्षित करते हैं जो ड्रीम स्टेट को देखता है और कहता है, "सुरक्षित" या "असुरक्षित"। महत्वपूर्ण बात यह है कि वे इस बाउंसर को कैलिब्रेट करने के लिए उसी सांख्यिकीय "कोहरे" वाले तरीके का उपयोग करते हैं। यह सुनिश्चित करता है कि बाउंसर बहुत उदार न हो जाए; यदि 99% संभावना है कि कोई स्थिति असुरक्षित है, तो बाउनर उसे असुरक्षित ही मानेगा।

5. "सुपर-स्पीड प्लानर" (जीपीयू एक्सेलरेशन)

एक उच्च-आयामी (high-dimensional) सपनों की दुनिया के लिए इन सभी सुरक्षा बुलबुलों और सुरंगों की गणना करना आमतौर पर बहुत धीमा होता है।

उपमा: यह एक साथ दस लाख अलग-अलग कारों के प्रक्षेपवक्र (trajectory) की गणना करने जैसा है। उन्हें एक-एक करके करने में बहुत समय लगेगा।
शोध पत्र का समाधान: वे सिस्टम लेवल सिंथेसिस (SLS) का उपयोग करते हैं, जो एक गणितीय युक्ति है जो उन्हें एक शक्तिशाली कंप्यूटर चिप (GPU) पर इन गणनाओं को समानांतर (parallel) में चलाने की अनुमति देती है। यह एक साथ एक मिलियन कैलकुलेटरों के काम करने जैसा है, जिससे प्लानिंग इतनी तेज़ हो जाती है कि यह रियल-टाइम में हो सके।

उन्होंने इसका परीक्षण किस पर किया

लेखकों ने इस प्रणाली का कई कार्यों पर परीक्षण किया, जिससे पता चला कि यह पिछले तरीकों की तुलना में बेहतर काम करती है:

द रीचर (The Reacher): एक रोबोटिक हाथ जो अपने जोड़ों को बहुत अधिक मोड़े बिना एक लक्ष्य को छूने की कोशिश करता है (एक सुरक्षा प्रतिबंध)।
द क्यूब (The Cube): एक रोबोटिक हाथ जो एक क्यूब को उठाता है और उसे बिना बहुत ऊँचा उठाए ले जाता है (जो असुरक्षित हो सकता है)।
द रोप (The Rope): एक जटिल कार्य जहाँ दो रोबोटिक हाथ एक लचीली रस्सी को नियंत्रित करते हैं। यह बहुत कठिन है क्योंकि रस्सी अनंत तरीकों से मुड़ सकती है।
हार्डवेयर: उन्होंने इसे केवल कंप्यूटर सिमुलेशन में ही नहीं, बल्कि लैब में एक वास्तविक रोबोटिक हाथ पर भी टेस्ट किया, जहाँ वह सफलतापूर्वक एक शुरुआती स्थिति से लक्ष्य तक रस्सी को खींचने में सफल रहा।

मुख्य निष्कर्ष

SLS2 एक ऐसा ढांचा (framework) है जो रोबोट को सीधे कैमरा छवियों से सुरक्षित और जटिल गतिविधियाँ बनाने की अनुमति देता है। यह यह सब करता है:

दुनिया का एक सरलीकृत "सपना" सीखकर।
यह गणना करके कि उसका सपना कितना गलत हो सकता है (वह "कोहरा")।
एक ऐसा रास्ता बनाकर जो सुरक्षित रहे, भले ही सपना गलत हो (वह "सुरक्षा बुलबुला")।
यह सब इतना तेज़ करके कि यह वास्तविक रोबोट पर चल सके।

परिणामस्वरूप, एक ऐसा रोबोट मिलता है जिसके टकराने या चीजें तोड़ने की संभावना बहुत कम होती है, भले ही उसके पास दुनिया के बारे में पूर्ण जानकारी न हो।

तकनीकी सारांश: SLS2 – संभाव्यतात्मक रूप से सुरक्षित लेटेंट वर्ल्ड मॉडल कंट्रोल

समस्या विवरण (Problem Statement)

यह शोध पत्र कच्चे पिक्सेल अवलोकनों (जैसे, RGB चित्र) से सीधे काम करने वाले रोबोटों के लिए सुरक्षित फीडबैक मोशन प्लानिंग की चुनौती को संबोधित करता है। पारंपरिक सुरक्षा-महत्वपूर्ण नियंत्रण विधियाँ सुपरिभाषित, निम्न-आयामी (low-dimensional) अवस्था निरूपण और ज्ञात गतिकी (dynamics) पर निर्भर करती हैं, जो विकृत वस्तुओं (deformable objects) और जटिल दृश्य कार्यों के लिए अक्सर उपलब्ध नहीं होती हैं या अनुमान लगाना कठिन होता है। जबकि हाल के लेटेंट वर्ल्ड मॉडल्स (जैसे, JEPA आर्किटेक्चर) चित्रों से सीधे कॉम्पैक्ट स्टेट रिप्रजेंटेशन और डायनेमिक्स का अनुमान लगा सकते हैं, वे महत्वपूर्ण सुरक्षा जोखिम भी पैदा करते हैं:

अपूर्ण गतिकी (Imperfect Dynamics): सीखे गए लेटेंट डायनेमिक्स सन्निकटन (approximations) होते हैं और मल्टी-स्टेप रोलआउट्स में गलत हो सकते हैं।
प्रतिबंध अनुवाद (Constraint Translation): भौतिक सुरक्षा प्रतिबंधों (जैसे, बाधा बचाव, जॉइंट लिमिट्स) को लेटेंट स्पेस में अनुवादित किया जाना चाहिए, जहाँ भौतिक सुरक्षा के साथ उनके संबंध की गारंटी नहीं होती है।
कैलिब्रेशन का अभाव (Lack of Calibration): मौजूदा लेटेंट सुरक्षा विधियाँ अक्सर ह्यूरिस्टिक अनुमानों पर निर्भर करती हैं या उनमें औपचारिक, कैलिब्रेटेड गारंटी की कमी होती है कि वास्तविक सिस्टम स्टेट, प्रेडिक्शन एरर्स के बावजूद, सुरक्षित सीमाओं के भीतर रहेगा।

मुख्य समस्या एक ऐसी कंट्रोल पॉलिसी को सिंथेसाइज करने की है जो सीखे गए लेटेंट स्पेस में प्लानिंग कर सके और साथ ही वास्तविक भौतिक सिस्टम के लिए संभाव्यतात्मक सुरक्षा गारंटी (probabilistic safety guarantees) प्रदान कर सके, जिसमें मॉडल प्रेडिक्शन एरर और डिस्ट्रिब्यूशनल शिफ्ट दोनों को ध्यान में रखा गया हो।

कार्यप्रणाली: SLS2 (सेफ लेटेंट स्पेस सिस्टम लेवल सिंथेसिस)

लेखक SLS2 का प्रस्ताव करते हैं, जो सीखे गए लेटेंट वर्ल्ड मॉडल्स को सिस्टम लेवल सिंथेसिस (SLS) रोबस्ट MPC और कॉन्फॉर्मल प्रेडिक्शन (CP) के साथ जोड़ता है। यह पाइपलाइन तीन मुख्य चरणों से बनी है:

1. ग्रेडिएंट-फ्रेंडली लेटेंट वर्ल्ड मॉडल को प्रशिक्षित करना

सिस्टम एक ऑफलाइन डेटासेट $\mathcal{D} = \{(o_t, u_t, o_{t+1})\}$ से एक कॉम्पैक्ट, मार्कोवियन लेटेंट रिप्रजेंटेशन सीखता है।

आर्किटेक्चर: एक एक्शन-कंडीशन्ड जॉइंट-एम्बेडिंग प्रेडिक्टिव आर्किटेक्चर (Le-WM के समान)। एक विजन ट्रांसफार्मर (ViT) एनकोडर इमेजेस को लेटेंट एम्बेडिंग्स $z_t$ में मैप करता है।
मार्कोव स्टेट निर्माण: यह सुनिश्चित करने के लिए कि लेटेंट स्टेट मल्टी-स्टेप प्रेडिक्शन के लिए मार्कोव प्रॉपर्टी को संतुष्ट करे, स्टेट को फिक्स्ड-डिफरेंस फीचर्स के साथ संवर्धित किया जाता है: $s^z_t = [z_t, \Delta z_t, \dots, \Delta^K z_t]$ ।
डायनेमिक्स लर्निंग: एक MLP प्रेडिक्टर $f_\phi$ ट्रांजिशन $s^z_{t+1} = f_\phi(s^z_t, u_t)$ को सीखता है।
ट्रेनिंग ऑब्जेक्टिव्स: मॉडल को मल्टी-स्टेप लेटेंट प्रेडिक्शन लॉस, रिप्रेजेंटेशनल कोलैप्स को रोकने के लिए SIGReg लॉस, और स्मूथ लेटेंट ट्रैजेक्टरीज को प्रोत्साहित करने के लिए टेम्पोरल स्ट्रेटनिंग लॉस का उपयोग करके प्रशिक्षित किया जाता है। यह डिज़ाइन कुशल ग्रेडिएंट-बेस्ड ट्रैजेक्टरी ऑप्टिमाइज़ेशन (जैसे, iLQR) को सुगम बनाता है।

2. कॉन्फॉर्मल अनसर्टेटी क्वांटिफिकेशन (Conformal Uncertainty Quantification)

सीखे गए डायनेमिक्स और लेटेंट कंस्ट्रेंट चेकर की अशुद्धियों को संभालने के लिए, लेखक सांख्यिकीय गारंटी के साथ अनसर्टेटी सेट्स को कैलिब्रेट करने के लिए स्प्लिट कॉन्फॉर्मल प्रेडिक्शन (CP) का उपयोग करते हैं।

लेटेंट डायनेमिक्स एरर: एक कोवेरियेंस मॉडल $\Sigma_\psi$ एरर डिस्ट्रीब्यूशन के आकार की भविष्यवाणी करने के लिए प्रशिक्षित किया जाता है। CP का उपयोग $q$ (एक नॉन-कनफॉर्मिटी स्कोर का क्वांटाइल) कंप्यूट करने के लिए किया जाता है ताकि वास्तविक प्रेडिक्शन एरर $e_t$ , प्रायिकता $1-\delta$ के साथ एक एलिप्सॉइडल सेट $E(s, u)$ के भीतर रहे।
लेटेंट कंस्ट्रेंट चेकर: एक लेटेंट ऑब्स्टेकल क्लासिफायर $c_\psi$ सुरक्षा को स्कोर करने के लिए प्रशिक्षित किया जाता है। CP का उपयोग $\eta$ थ्रेशोल्ड निर्धारित करने के लिए किया जाता है ताकि क्लासिफायर उच्च प्रायिकता के साथ सुरक्षित/असुरक्षित क्षेत्रों की सही पहचान कर सके।
इन-डोमेन सपोर्ट: एक इन-डोमेन सेट $\mathcal{I}$ को कैलिब्रेटेड Gaussian सबलेवल सेट के रूप में परिभाषित किया गया है ताकि प्लानर ट्रेनिंग डिस्ट्रीब्यूशन से बहुत दूर के क्षेत्रों में काम न करे।

3. सिस्टम लेवल सिंथेसिस (SLS) के माध्यम से रोबस्ट MPC

मुख्य कंट्रोल लूप लेटेंट स्पेस में एक रोबस्ट MPC समस्या को हल करने के लिए सिस्टम लेवल सिंथेसिस (SLS) का उपयोग करता है।

फॉर्मूलेशन: फीडबैक गेन्स को सीधे ऑप्टिमाइज़ करने के बजाय, SLS क्लोज्ड-लूप सिस्टम रिस्पॉन्स (मैट्रिक्स $\Phi_s, \Phi_u$ ) पर ऑप्टिमाइज़ करता है जो डिस्टर्बेंस को स्टेट/कंट्रोल डेविएशन में मैप करते हैं।
रोबस्टनेस: CP-कैलिब्रेटेड एलिप्सॉइडल एरर सेट्स $E(s, u)$ को SLS फॉर्मूलेशन में डिस्टर्बेंस सेट्स के रूप में इंजेक्ट किया जाता है। ऑप्टिमाइज़र प्लानिंग होराइजन के दौरान इन अनसर्टेटीज़ को प्रोपेगेट करता है ताकि रीचेबल ट्यूब्स ( $R^s_k, R^u_k$ ) बनाई जा सकें।
कंस्ट्रेंट्स: ऑप्टिमाइज़ेशन यह सुनिश्चित करता है कि पूरी रीचेबल ट्यूब (कैलिब्रेटेड कंस्ट्रेंट चेकर द्वारा परिभाषित) सुरक्षित लेटेंट सेट और इन-डोमेन सेट के भीतर रहे। इसके परिणामस्वरूप "कंस्ट्रेंट टाइटनिंग" होती है, जहाँ नॉमिनल ट्रैजेक्टरी को इस तरह एडजस्ट किया जाता है कि सबसे खराब स्थिति वाले बाउंडेड एरर्स के तहत भी वास्तविक सिस्टम सुरक्षित रहे।
इम्प्लीमेंटेशन: यह दृष्टिकोण हाई-डायमेंशनल लेटेंट स्टेट्स और अनसर्टेटी ट्यूब्स को कुशलतापूर्वक प्रोपेगेट करने के कम्प्यूटेशनल लोड को संभालने के लिए GPU एक्सेलेरेशन का लाभ उठाता है।

मुख्य योगदान (Key Contributions)

प्लानिंग के लिए लेटेंट वर्ल्ड मॉडल: लेखक यह प्रदर्शित करते हैं कि विशिष्ट रेगुलाइजेशन (SIGReg, टेम्पोरल स्ट्रेटनिंग) के साथ कॉम्पैक्ट, मार्कोवियन लेटेंट मॉडल्स को प्रशिक्षित करना पिक्सेल से सीधे सटीक मल्टी-स्टेप रोलआउट और कुशल ग्रेडिएंट-बेस्ड ऑप्टिमाइज़ेशन को सक्षम बनाता है।
कॉन्फॉर्मलाइज्ड अनसर्टेटी सेट्स: यह पेपर कॉन्फॉर्मल प्रेडिक्शन का उपयोग करके लेटेंट डायनेमिक्स एरर्स और लेटेंट सेफ्टी क्लासिफायर एरर्स दोनों को कैलिब्रेट करने की एक विधि पेश करता है, जो सांख्यिकीय रूप से वैध अनसर्टेटी सेट्स प्रदान करता है।
स्केलेबल रोबस्ट MPC: CP-कैलिब्रेटेड अनसर्टेटी का इंटीग्रेशन GPU-एक्सेलेरेटेड सिस्टम लेवल सिंथेसिस के साथ मिलकर हाई-डायमेंशनल लेटेंट स्पेस में रीचेबिलिटी-कंस्ट्रेंड रोबस्ट MPC की अनुमति देता है, जो पहले कम्प्यूटेशनल रूप से असंभव माना जाता था।
अनुभवजन्य सत्यापन (Empirical Validation): इस पद्धति को सिमुलेशन और वास्तविक हार्डवेयर दोनों में विविध विज़न-बेस्ड कार्यों (नेविगेशन, पिक-एंड-प्लेस, डिफॉर्मेबल ऑब्जेक्ट मैनिपुलेशन) पर सत्यापित किया गया है, जो बेसलाइन्स की तुलना में बेहतर सुरक्षा और गोल-रीचिंग प्रदर्शन प्रदर्शित करता है।

प्रयोगात्मक परिणाम (Experimental Results)

लेखकों ने चार कार्यों पर SLS2 का मूल्यांकन किया: Reacher, OGBench Cube, Push-T, और एक Bimanual Rope मैनिपुलेशन टास्क।

नॉमिनल प्लानिंग प्रदर्शन:
- SLS2 का नॉमिनल प्लानर (सीखे गए मॉडल पर iLQR का उपयोग करके) सफलता दर में बेसलाइन्स (Le-WM, DINO-WM, PLDM) से काफी बेहतर रहा।
- Reacher: 83.5% सफलता (बेसलाइन्स के 17–40% के मुकाबले)।
- Rope: 93.7% सफलता (बेसलाइन्स के 7–25% के मुकाबले)।
- एब्लेशन स्टडीज ने पुष्टि की कि मार्कोवियन स्टेट रिप्रजेंटेशन और मल्टी-स्टेप ट्रेनिंग लॉस प्रदर्शन के लिए महत्वपूर्ण थे।
रोबस्ट सेफ्टी प्रदर्शन:
- कंस्ट्रेंड कार्यों (जैसे, जॉइंट एंगल लिमिट्स, हाइट थ्रेशोल्ड, बाधा बचाव) में, SLS2 ने सिमुलेशन और हार्डवेयर में 100% सुरक्षा दर प्राप्त की, जबकि नॉन-रोबस्ट कंस्ट्रेंड iLQR और अन्य सेफ्टी फिल्टर्स (HJ-फिल्टर्ड, LPB) अक्सर कंस्ट्रेंट्स का उल्लंघन करते थे।
- रोबस्ट सफलता: SLS2 ने सुरक्षा प्रतिबंधों का सख्ती से पालन करते हुए उच्च कार्य पूर्णता दर (जैसे, Rope पर 88.57%, Cube पर 94.29%) बनाए रखी।
- हार्डवेयर: इस पद्धति को रोप मैनिपुलेशन के लिए वास्तविक KUKA iiwa आर्म्स पर सफलतापूर्वक तैनात किया गया, जो स्पष्ट स्टेट एस्टीमेशन के बिना सीधे पिक्सेल से लक्ष्य तक पहुँचने का प्रदर्शन करता है।

महत्व और दावे (Significance and Claims)

यह शोध पत्र दावा करता है कि SLS2 सीखे गए वर्ल्ड मॉडल्स के लचीलेपन और सुरक्षा-महत्वपूर्ण नियंत्रण के लिए आवश्यक कठोरता के बीच के अंतर को पाटता है। कॉन्फॉर्मल प्रेडिक्शन के माध्यम से सांख्यिकीय कैलिब्रेशन और सिस्टम लेवल सिंथेसिस के माध्यम से स्केलेबल रोबस्ट ऑप्टिमाइज़ेशन को जोड़कर, यह विधि संभाव्यतात्मक गारंटी प्रदान करती है कि वास्तविक सिस्टम स्टेट सुरक्षित सीमाओं के भीतर रहेगा, भले ही वह अपूर्ण डायनेमिक्स के साथ हाई-डायमेंशनल लेटेंट स्पेस में काम कर रहा हो।

लेखक इस बात पर जोर देते हैं कि उनके दृष्टिकोण के लिए हैंड-डिज़ाइन किए गए स्टेट रिप्रजेंटेशन या ज्ञात डायनेमिक्स की आवश्यकता नहीं होती है, जिससे यह जटिल, विकृत और विजुअली रिच कार्यों के लिए लागू करने योग्य बन जाता है। वे नोट करते हैं कि हालांकि यह विधि सुरक्षा और सफलता दर में काफी सुधार करती है, यह इस धारणा पर निर्भर करती है कि क्लोज्ड-लूप रेसिडुअल स्कोर, कैलिब्रेशन स्कोर के साथ एक्सचेंज करने योग्य (exchangeable) हैं, और प्रदर्शन जटिल अनुक्रमिक युद्धाभ्यास (जैसे, Push-T) वाले कार्यों में आइसोट्रोपिक लेटेंट रिप्रजेंटेशन की धारणा के कारण बाधित हो सकता है।