技術的概要：接触モードおよび疎な法則復元のためのサポート安全な変分ハイブリッドフィルタリング

問題定義

接触に富むロボットダイナミクスは、自由運動、衝突、付着、滑りといった明確な領域間の遷移を特徴とする本質的なハイブリッド性を持っています。標準的な償却変分フィルタリングにおける重要な失敗モードは、サポートの不一致です。学習された提案分布が、ロボットが実際に追従する実行可能な接触遷移に対してゼロまたは無視できる確率を割り当ててしまう現象です。このブランチがフィルタリングプロセスの初期段階で削除されると、その後の観測によってそれを回復できず、壊滅的なフィルタリングの崩壊を招きます。この問題は、複数の接触整合的な未来が実行可能なままとなる部分観測（例えば、重度の遮蔽）の下で特に顕著です。

既存のアプローチはトレードオフに直面しています。スケーラブルな変分潜在モデルは、明示的なハイブリッド構造や物理的解釈性を欠く傾向がある一方、物理的に構造化されたモデルや粒子ベースの手法は、償却計算に非常にコストがかかるか、エンドツーエンドの学習済み知覚モデルとして展開することが困難です。さらに、標準的な提案はターゲットサポートを網羅できず、不安定な重要度重みと劣化した学習をもたらす可能性があります。

手法：VHyDRO

著者は、部分的に観測される接触ダイナミクス向けに設計された、サポート安全なハイブリッド変分状態空間モデルであるVHyDRO（Robust Proposal Support を備えた変分ハイブリッドダイナミクス）を提案します。

モデルアーキテクチャ

VHyDRO はシステム状態 $x_t = (s_t, z_t)$ を表現します。ここで：

• $z_t$ は連続的な潜在信念状態です。
• $s_t$ は離散的な予測接触領域（モード）です。

各モードの遷移ダイナミクスは、疎なライブラリ補正で拡張されたポート・ハミルトニアンコアによってパラメータ化されます。この構造により、学習されたダイナミクスは物理的に構造化され、解釈可能であり、支配方程式を復元する能力を有することが保証されます。

サポート安全な推論

中核的な革新は、モデルで実行可能なブランチの削除を防ぐ推論手順にあります。

1. 防御的混合提案: 償却提案 $Q_t$ のみからサンプリングする代わりに、VHyDRO は混合分布からサンプリングします：
   $$Q_{t,\lambda} = (1 - \lambda)Q_t + \lambda P_t$$
   ここで、$P_t$ はモデルの 1 段階遷移法則（「実行可能遷移キャリア」）であり、モデルで実行可能なモードと遷移の集合を定義します。学習された提案 $Q_t$ は観測適応的で鋭敏ですが、$P_t$ は実行可能サポートの網羅性を保証します。
2. 事前サンプリング予算化: 混合重み $\lambda_t$ は、粒子サンプリングの前に、所望の分散予算から導出された証明書 $\bar{\rho}_t$ に基づいて選択されます。これにより、ターゲット密度と提案密度の比率が有界（$dP_t/dQ_{t,\lambda} \le 1/\lambda$）であることが保証されます。
3. 一貫した重み付け: 同じ実現された混合 $Q_{t,\lambda}$ がサンプリングと重要度重みの計算の両方に使用され、逐次重要度重み付け（IW）/フィルタリング変分目的（FIVO）推定の妥当性が維持されます。

理論的保証

本論文は、フィルタリング機構と下流機能との間の 3 つの理論的リンクを確立します。

1. サポート安全なフィルタリング（定理 1）: 防御的混合により、提案 $Q_{t,\lambda}$ がターゲットサポート $P_t$ を支配することが保証されます。これにより、正規化定数推定の相対分散が有界となり、有効サンプルサイズ（ESS）の下限が保証され、重度の遮蔽下でのフィルタの崩壊を防ぎます。
2. モード集中（定理 2）: 予測的分離（モード間の十分な対数尤度ギャップ）の条件下で、安定化されたフィルタは離散事後分布を整合的な接触領域に集中させます。これにより、モデルは時間的に一貫した接触行動のセグメントを識別できます。
3. 疎な法則の復元（定理 3）: モード純粋なセグメントが識別されると、論文は Lasso オラクル境界を適用し、疎なポート・ハミルトニアン回帰が活性な物理項を復元できることを示します。誤差は、フィルタリング、微分、モード不純物、およびプラグイン摂動の各成分に分解されます。

主要な貢献

1. サポート安全な IW/FIVO ゲート: 学習された提案をサンプリング前に実行可能キャリアと混合する、展開可能な償却ハイブリッドフィルタリング機構。静的な防御的混合不等式とは異なり、このアプローチは逐次的に動作し、事前サンプリング証明書に基づいて $\lambda_t$ を選択し、同じ混合を重み付けに使用します。
2. 予測接触モード: 連続的な潜在状態と離散的な接触モードを共同で推論し、運動学的代理領域と整合する時間的一貫性のあるセグメントを生成します。事後セグメンテーションのベースラインを上回ります。
3. 制御された疎な法則監査: このフレームワークにより、モード条件付きセグメントから解釈可能な疎な物理法則（ポート・ハミルトニアン係数）を復元することが可能となり、正確な予測と機構の復元を分離します。

実験結果

著者は、3 つの実験を通じて 3 つの機構リンクを検証します。

実験 1：高遮蔽サポート不一致監査

• 設定: 接触スタイルタスク（PickCube、PokeCube など）および Sawyer/BridgeData ファミリーを、様々なレベルの遮蔽（最大 90%）の下で評価しました。
• 発見: 重度の遮蔽下では、非防御的ベースライン（$\lambda=0$）および滑らかな潜在モデルは、「予測的崩壊」に陥り、ESS/N の急激な低下と負対数尤度（NLL）の大幅な増加を特徴とします。
• 性能: サポート安全な VHyDRO 変種は、使用可能な ESS/N を維持し（例：90% 遮蔽で 0.042 から 0.141 に改善）、NLL の崩壊を防ぎます（NLL を約 11.3 から約 0.16 に削減）。保守的変種（より高い固定 $\lambda$）は最も堅牢性を提供し、適応的変種は鋭敏性と安定性のバランスを取ります。

実験 2：接触領域セグメンテーション

• 設定: ManiSkill および Sawyer/BridgeData のデモンストレーションに適用。評価には、状態/動作フィールドから導出されたノイズ除去された運動学的代理ラベル（自由、衝突、付着/滑り）を使用し、シミュレータの接触力ではありません。
• 発見: VHyDRO は、ベースラインよりも代理ラベルとよく一致する時間的一貫性のあるモードセグメントを生成します。
• 指標: VHyDRO は、HMM やアブレーション変種（サポートなし、モードなし）と比較して、調整済みランダム指数（ARI）、変更点 F1、およびモード F1 において優れた性能を達成します。「モードなし」ベースラインは完全に失敗し、離散構造の必要性を確認します。

実験 3：疎な物理法則の復元

• 設定: 既知の疎なポート・ハミルトニアン方程式を持つ 4 つの制御されたハイブリッドシステムでテスト。
• 発見: モード純粋なセグメントが与えられれば、VHyDRO は活性な物理項と係数を正常に復元します。
• 指標: VHyDRO は高いサポート F1（0.978）と低い相対係数誤差（0.006）を達成します。対照的に、「モードなし」のアブレーションは領域を混同し、高い誤差をもたらします。「疎性なし」のアブレーションは、妥当なベクトル場予測にもかかわらず、活性サポートを識別できません。

意義と主張

本論文は、VHyDROが、サポート不一致が主要な失敗モードとなる接触に富む環境において、変分フィルタリングを安定化させるために必要な機構を提供すると主張しています。

• 機構の分離: 著者は、その結果が「機構分離監査」であると強調しています。防御的サポートキャリアの追加がフィルタリングを安定化させ、それが結果として整合的なモードセグメンテーションと疎な法則の復元を可能にすることを示しています。
• モデル相対的保証: 保証は明示的にモデル相対的です。VHyDRO はキャリアモデル $P_t$ によって実行可能とされるブランチのみを復元でき、モデル自体によって省略された物理的ブランチを復元することはできません。
• 下流の有用性: 安定化されたフィルタは、疎な物理法則の発見などの下流タスクをサポートするのに十分な一貫性を持つ離散状態を提供し、これは純粋な予測ベースラインには欠けている能力です。
• 限界: 著者は控えめに、閉ループタスク成功の支配性、実ロボットへの転移、またはシミュレータ接触力の真値の復元を主張していないと述べています。実験は、フィルタリングの安定性、セグメンテーションの整合性、および方程式の復元という中間的な機構に焦点を当てています。閉ループ制御の理論的保証（定理 4）は、KL 較正されたロールアウト法を必要とする条件付きの下流ステートメントとして提示されており、現在の実験では数値的に証明されていません。

要約すると、VHyDRO は、フィルタリングプロセスが実行可能な接触ブランチを早期に破棄しないことを保証することで、スケーラブルな変分知覚と解釈可能なハイブリッドダイナミクスの間のギャップを埋め、部分的に観測され接触に富む状況における堅牢な推論と物理法則の復元を可能にします。