Local Conformal Calibration of Dynamics Uncertainty from Semantic Images

Resumo Técnico: Calibração Conformal Local da Incerteza de Dinâmica a partir de Imagens Semânticas

Enunciação do Problema
Sistemas robóticos operando em ambientes do mundo real enfrentam desafios significativos na quantificação de incerteza devido a perturbações não modeladas (incerteza aleatória) e incompatibilidade de modelo (incerteza epistêmica). Embora a Predição Conformal (CP) ofereça um framework livre de distribuição para fornecer garantias probabilísticas sobre regiões de previsão, os métodos de CP existentes em robótica sofrem de duas limitações críticas:

1. Falta de Discriminabilidade: A CP padrão fornece garantias de cobertura média (marginal) sobre um conjunto de dados, mas falha em distinguir entre regiões estado-ação com incompatibilidade de modelo alta versus baixa. Isso impede que os planejadores guiem o sistema em direção a estados de menor incerteza.
2. Requisito de Dados Específicos do Ambiente: As abordagens atuais tipicamente exigem dados de calibração coletados do exato ambiente de tempo de teste para garantir validade. Isso é impraticável e arriscado, pois necessita a travessia de novos ambientes, potencialmente perigosos (por exemplo, estradas geladas), apenas para calibrar o modelo de dinâmica.

Os autores abordam a necessidade de um algoritmo que possa fornecer garantias de incerteza prováveis e de amostra finita para ambientes de tempo de teste não vistos, aproveitando informações de percepção de ambientes visualmente semelhantes, mas distintos.

Metodologia: OCULAR
O artigo introduz a Calibração Local de Incerteza Conformal Consciente da Observação (OCULAR), um método que calibra um modelo de dinâmica Gaussiana linear ($\tilde{f}$) utilizando dados de percepção no referencial do robô. A inovação central é substituir poses no referencial do mundo (que exigem dados específicos do ambiente) por uma representação aprendida de observações semânticas.

A metodologia procede em duas fases:

1. Calibração Offline:

   • Processamento de Observação: Imagens profundas e semânticas brutas são projetadas em uma "pegada semântica planar" no referencial do robô ($o'_t$). Esta representação captura o ambiente à frente do robô, descartando coordenadas irrelevantes no referencial do mundo.
   • Codificação Latente: Um Autoencoder Convolucional (CAE) é treinado em dados de um conjunto de ambientes de calibração para comprimir as pegadas planares em um vetor latente de baixa dimensão ($\phi_t$).
   • Particionamento Local: O espaço de entrada é definido como $X = (v_t, a_t, \phi_t)$, combinando velocidade, ação e a observação latente. Uma Árvore de Decisão (DTree) é treinada para particionar este espaço em regiões ($X_k$) onde as pontuações de não conformidade (discordância entre $\tilde{f}$ e a verdade fundamental) são aproximadamente constantes. Isso é alcançado usando o algoritmo LOCART para minimizar a variância da pontuação dentro das partições.
   • Calibração Local: Para cada partição $X_k$, um procedimento de Predição Conformal Dividida (SplitCP) é realizado em um subconjunto de retenção dos dados de calibração. Isso produz um fator de escala específico da partição ($\hat{q}_k$) que ajusta a covariância das previsões Gaussianas.

2. Implantação Online:

   • Durante a operação em um novo ambiente não visto, o robô processa sua observação atual no espaço latente e a passa pela DTree pré-treinada para identificar a partição atual $X_k$.
   • A covariância prevista pelo modelo de dinâmica é escalada pelo fator correspondente $\xi_k$ derivado de $\hat{q}_k$.
   • Esta estimativa de incerteza calibrada é alimentada em um planejador de Controle Preditivo de Modelo (MPC). O planejador constrói uma região de previsão garantida para conter o próximo estado verdadeiro com probabilidade $(1-\alpha)$ e otimiza trajetórias para evitar regiões onde a incerteza calibrada é alta ou que intersectam obstáculos.

Principais Contribuições
Os autores fazem três contribuições primárias:

1. Proposta de Algoritmo: Eles propõem o OCULAR, um algoritmo que fornece garantias prováveis de amostra finita sobre a incerteza de dinâmica em um novo ambiente não visto, usando apenas dados de ambientes visualmente semelhantes.
2. Validade Teórica: Eles provam que o pipeline de projetar observações, codificá-las via um CAE e particioná-las via uma Árvore de Decisão preserva a trocabilidade necessária para a Predição Conformal. Isso permite garantias de cobertura local (condicional) em vez de apenas garantias marginais globais.
3. Validação Empírica: Eles validam a abordagem em um sistema de duplo integrador sujeito a perturbações aleatórias e incompatibilidade de modelo significativa (simulando superfícies escorregadias). Os experimentos utilizam tanto sensores planares simplificados quanto câmeras realistas do Isaac Sim.

Resultados
Os experimentos foram conduzidos em quatro mapas planares e três cenários de estrada do Isaac Sim, comparando o OCULAR contra:

• NoCP: Modelo não calibrado (falha em dados fora da distribuição (OOD)).
• SplitCP: Calibração global usando dados do ambiente de teste (excessivamente conservador dentro da distribuição, insuficientemente protetor OOD).
• LUCCa: Calibração local usando dados do ambiente de teste (requer dados específicos do ambiente).

As principais descobertas incluem:

• Cobertura: O OCULAR alcança a probabilidade de cobertura definida pelo usuário (90%) tanto em regiões dentro da distribuição quanto em regiões OOD (por exemplo, estradas geladas) sem usar nenhum dado do ambiente de teste. Em contraste, o NoCP cobre severamente pouco as regiões OOD, e o SplitCP falha em adaptar-se às variações locais de incerteza.
• Eficiência de Volume: O OCULAR constrói regiões de previsão que são apenas 12–15% maiores do que uma região ótima de "oráculo", demonstrando alta eficiência de volume comparável a métodos que têm acesso a dados do ambiente de teste (como o LUCCa).
• Planejamento Seguro: Em tarefas de otimização de trajetória, o OCULAR navega com sucesso em regiões de alta incerteza, reduzindo a velocidade e evitando colisões, alcançando taxas de sucesso de 100% em todos os mapas testados. Métodos sem calibração (NoCP) ou com calibração global (SplitCP) resultaram frequentemente em colisões devido ao excesso de otimismo ou conservadorismo excessivo, respectivamente.

Significado e Alegações
O artigo alega que o OCULAR preenche a lacuna entre garantias teóricas de incerteza e implantação robótica prática. Ao utilizar informações de percepção para generalizar entre ambientes, o método elimina a necessidade de coleta arriscada de dados de calibração específicos do ambiente. Os autores enfatizam que suas garantias são não assintóticas e livres de distribuição, não exigindo suposições fortes sobre a dinâmica do sistema real desconhecida.

Os autores notam modestamente que, embora demonstrem garantias de segurança de um passo e planejamento heurístico de múltiplos passos, não alegam garantias teóricas rigorosas para segurança de múltiplos passos devido à não trocabilidade das observações geradas pelo mapa durante a execução. Além disso, reconhecem a sensibilidade aos hiperparâmetros no CAE e na Árvore de Decisão, e que a atual aprendizagem de representação latente é desacoplada da utilidade de previsão de incerteza, sugerindo uma via para trabalho futuro.