Sintesi Tecnica: Orizzonti di Fiducia Conformi Validi per l'Orbita per Modelli del Mondo Equivarianti

1. Definizione del Problema

I modelli del mondo appresi sono intrinsecamente limitati dal loro errore di rollout, che degrada nel tempo. Sebbene la pianificazione basata sul modello e l'auto-supervisione dipendano dal far avanzare questi modelli in avanti, non esiste un metodo principato per determinare l' "orizzonte di fiducia" (trust horizon): ovvero il numero specifico di passi su cui le previsioni del modello rimangono affidabili. Gli approcci esistenti spesso si affidano a iperparametri fissi (ad esempio, un orizzonte fisso $H=25$) che sono specifici per una singola distribuzione e mancano di garanzie formali.

Inoltre, per i modelli del mondo con simmetrie di gruppo note (modelli equivarianti), rimane una domanda critica: un certificato di fiducia derivato da una regione locale può essere valido attraverso l'intera orbita del gruppo senza richiedere una calibrazione separata per ogni stato trasformato? Gli approcci attuali o mancano di garanzie di sicurezza formali o non riescono a sfruttare la struttura geometrica dell'equivarianza per ridurre i costi di calibrazione.

2. Metodologia

2.1 L'impostazione del Modello del Mondo Equivariante

Gli autori definiscono un modello del mondo latente composto da:

• Encoder ($E$): Mappa le osservazioni $x$ in latenti $z$.
• Predittore ($f$): Avanza i latenti condizionati dalle azioni $a$ ($\hat{z}_{t+1} = f(z_t, a_t)$).
• Simmetria: Il modello soddisfa le condizioni di equivarianza dove $E(g \cdot x) = \rho(g)E(x)$ e $f(\rho(g)z, \sigma(g)a) = \rho(g)f(z,a)$ per un gruppo $g \in \mathcal{G}$.
• Implementazione: Gli encoder sono realizzati come reti CN-steerable (2D) o reti Vector-Neuron/SE(3) (3D). L'equivarianza è verificata tramite unit test che controllano i residui rispetto alla precisione di macchina o alle tolleranze apprese.

2.2 Orizzonte Grezzo e Calibrazione Conforme

Il nucleo della metodologia consiste nella costruzione di un certificato di orizzonte di fiducia:

1. Curva Grezza: Un residuo latente a un passo $\hat{\delta}$ e una stima dell'espansione a tempo finito $\hat{\lambda}_1$ (derivata dal Jacobiano del predittore tramite schemi Benettin/QR) formano una curva di propagazione dell'errore grezza:
   $$\widehat{Err}(H) = \hat{\delta} \sum_{t=0}^{H-1} e^{\hat{\lambda}_1 t}$$
   L'orizzonte grezzo $H_{raw}$ è il numero massimo di passi in cui questo errore rimane al di sotto di una tolleranza $\epsilon$.
2. Calibrazione Split-Conformal: Per garantire la validità statistica, la curva grezza viene scalata da un fattore moltiplicativo $\gamma_\alpha$. L'orizzonte certificato $H_{conf}$ è definito tale che $\widehat{Err}_{conf}(H) = \gamma_\alpha \widehat{Err}(H) \le \epsilon$.
   • Il fattore $\gamma_\alpha$ è determinato tramite predizione split-conformal su un set di calibrazione, garantendo che, per un audit intercambiabile fresco, $P(H_{conf} \le H_{meas}) \ge 1-\alpha$.
   • Crucialmente, nel set di audit riproducibile degli autori, la curva grezza era già conservativa, risultando in $\gamma_\alpha = 1.0$.

2.3 Trasporto Valido per l'Orbita

Il documento introduce un risultato strutturale che combina la calibrazione statistica con la proprietà geometrica dell'equivarianza:

• Teorema A (Trasporto dell'Orbita): Se il modello è esattamente equivariante, gli errori di rollout, i tassi di espansione e le curve di orizzonte risultanti sono costanti lungo l'orbita del gruppo.
• Corollario C (Certificato Valido per l'Orbita): Se un certificato è calibrato su una regione fondamentale (un "cuneo") e l'equivarianza esatta è rispettata, il certificato è valido per l'intera orbita allo stesso livello di confidenza $1-\alpha$.
• Implicazione: L'equivarianza trasforma l'evento di copertura su tutta l'orbita (che richiederebbe i bound di unione e una massa di dati) in un singolo evento calibrato. Ciò elimina la necessità di dati di calibrazione per ogni orbita.

2.4 Gestione dell'Equivarianza Approssimativa

Poiché le reti addestrate sono solo approssimativamente equivarianti, gli autori tengono conto dei residui di trasporto ($R_t$) utilizzando i limiti Lipschitz sui difetti dell'encoder e del predittore. Empiricamente, questi residui sono stati trovati essere piccoli (mediana 1.1%), permettendo al certificato di rimanere valido con un'inflazione minima.

3. Contributi Chiave

1. Certificato di Orizzonte di Fiducia Conforme: Un metodo per convertire una curva di propagazione dell'errore latente grezza in un certificato conservativo monodirezionale utilizzando la calibrazione split-conformal. Il metodo ha ottenuto 0/50 violazioni anti-conservative su audit stabili, con un limite superiore del 95% binomiale esatto del 5.8% sul tasso di violazione.
2. Teorema della Validità dell'Orbita: Una prova che l'equivarianza esatta permette a un certificato calibrato su un singolo settore di essere trasportato su tutta l'orbita del gruppo senza costi di calibrazione aggiuntivi (Corollario C).
3. Nitidezza (Sharpness) e Conteggio dei Residui: Il certificato è non-vacuo, con un rapporto mediano tra orizzonte certificato e misurato ($H_{conf}/H_{meas}$) di 0.67. I residui di trasporto a livello di implementazione erano piccoli (mediana 1.1%, massimo 4.1%).
4. Costo di Calibrazione Dipendente dal Substrato: Il documento identifica che il beneficio dell'equivarianza nella riduzione del costo di calibrazione è condizionato dal substrato dei dati.
   • Substrato Simmetrico 2D: I baseline non-equivarianti erano già approssimativamente robusti per l'orbita a causa dell'ambiente simmetrico, quindi l'equivarianza non ha fornito alcuna separazione nel costo di calibrazione.
   • Substrato Yaw 3D: I baseline non-equivarianti hanno fallito nel raggiungere la sicurezza dell'orbita senza un significativo slack, violazioni o instabilità del seed. I modelli equivarianti hanno ottenuto un certificato sicuro e non-vacuo da un singolo settore di calibrazione.

4. Risultati e Scoperte Empiriche

• Sicurezza: Attraverso 50 celle di audit stabili, il certificato conforme con $\gamma_\alpha=1.0$ ha mostrato zero violazioni anti-conservative.
• Nitidezza (Sharpness): In 172 controlli a livello di cella, il 98% dei controlli ha mantenuto almeno il 25% dell'orizzonte misurato, e il 69% ha mantenuto almeno il 50%. Il certificato agisce come un gate di fattibilità nitido per orizzonti brevi ($H \in [1,8]$).
• Costo di Calibrazione:
  • In 2D (PushT), i modelli equivarianti, semplici e aumentati erano tutti validi per l'orbita da un singolo settore.
  • In 3D (ManiSkill yaw), il modello equivariante ha ottenuto un certificato sicuro da un singolo settore, mentre i sani baseline non-equivarianti hanno subito costi sotto forma di violazioni, moltiplicatori di slack ($\gamma_\alpha \approx 1.9$) o collasso della nitidezza.
• Applicazione alla Pianificazione (Risultato Negativo): Gli autori hanno tentato di usare l'orizzonte certificato per guidare la spaziatura dei sub-goal in un pianificatore 3D CEM-MPC. Questo non ha avuto successo. Il substrato di pianificazione mostrava un'alta varianza tra i seed e non è stata trovata alcuna associazione rilevabile tra l'orizzonte di fiducia certificato e l'orizzonte di pianificazione ottimale. Gli autori attribuiscono ciò a un "collo di bottiglia della sufficienza dello stato", dove la rappresentazione latente mancava delle informazioni di velocità necessarie per la predizione della dinamica in un ambiente con rottura della gravità.

5. Significato e Rivendicazioni

Il documento sostiene che l'equivarianza non sostituisce la calibrazione; essa conferisce alla calibrazione una geometria.

• Strutturale vs Empirico: Il teorema di trasporto dell'orbita è una garanzia strutturale che si tiene ogni volta che l'equivarianza esatta è presente. Tuttavia, il beneficio empirico (riduzione del costo di calibrazione) si manifesta solo quando la distribuzione dei dati non induce già una robustezza orbitale approssimativa nei baseline non-equivarianti.
• Natura della Garanzia: Il certificato è un audit distributivo conservativo, non una garanzia globale di raggiungibilità. Certifica che il modello è affidabile rispetto alla distribuzione di audit misurata, non che sia sicuro in tutti i possibili scenari peggiori.
• Modestia sulla Pianificazione: Gli autori dichiarano esplicitamente che l'applicazione della "spaziatura dei sub-goal certificata" non è stata confermata. Il risultato negativo nel pianificatore 3D è riportato come un reperto di confine, evidenziando come l'economia tra struttura e varianza dei modelli equivarianti (alta varianza nelle prestazioni di pianificazione) possa negare i benefici teorici nei livelli di controllo a valle.

Il lavoro si distingue dalla letteratura precedente calibrando una funzione di orizzonte piuttosto che uno scalare o un intervallo, e trasportando tale funzione su un'orbita di gruppo, trasformando così un audit locale in un certificato valido per l'orbita. Evita di sostenere che l'equivarianza migliori universalmente la precisione della predizione o le prestazioni di pianificazione, concentrandosi invece sull'efficienza geometrica del processo di certificazione stesso.