Resumo Técnico: SLS2 – Controle de Modelo de Mundo Latente Probabilisticamente Seguro

Declaração do Problema

O artigo aborda o desafio do planejamento de movimento com feedback seguro para robôs que operam diretamente a partir de observações de pixels brutos (ex: imagens RGB) em ambientes de mundo aberto. Métodos tradicionais de controle crítico de segurança dependem de representações de estado bem definidas e de baixa dimensão e de dinâmicas conhecidas, que muitas vezes não estão disponíveis ou são difíceis de estimar para objetos deformáveis e tarefas visuais complexas. Embora modelos de mundo latentes recentes (ex: arquiteturas JEPA) possam inferir representações de estado compactas e dinâmicas diretamente de imagens, eles introduzem riscos de segurança significativos:

1. Dinâmica Imperfeita: Dinâmicas latentes aprendidas são aproximações e podem ser imprecisas ao longo de rollouts de múltiplos passos.
2. Tradução de Restrições: Restrições de segurança física (ex: desvio de obstáculos, limites de junta) devem ser traduzidas para o espaço latente, onde a relação com a segurança física não é garantida.
3. Falta de Calibração: Métodos de segurança latente existentes frequentemente dependem de aproximações heurísticas ou carecem de garantias formais e calibradas de que o estado real do sistema permanecerá dentro de limites seguros, apesar dos erros de previsão.

O problema central é sintetizar uma política de controle que planeje em um espaço latente aprendido enquanto fornece garantias de segurança probabilísticas para o sistema físico real, contabilizando tanto os erros de previsão do modelo quanto os desvios de distribuição.

Metodologia: SLS2 (Safe Latent Space System Level Synthesis)

Os autores propõem o SLS2, um framework que combina modelos de mundo latentes aprendidos com System Level Synthesis (SLS) de Controle Preditivo Baseado em Modelo (MPC) robusto e Conformal Prediction (CP). O pipeline consiste em três etapas principais:

1. Treinamento de um Modelo de Mundo Latente Amigável a Gradientes

O sistema aprende uma representação latente compacta e Markoviana a partir de um conjunto de dados offline de transições de imagem $\mathcal{D} = \{(o_t, u_t, o_{t+1})\}$.

• Arquitetura: Uma arquitetura de predição de embedding conjunto condicionada à ação (semelhante ao Le-WM). Um codificador Vision Transformer (ViT) mapeia imagens para embeddings latentes $z_t$.
• Construção de Estado Markoviano: Para garantir que o estado latente satisfaça a propriedade de Markov para predição de múltiplos passos, o estado é aumentado com características de diferença finita: $s^z_t = [z_t, \Delta z_t, \dots, \Delta^K z_t]$.
• Aprendizado de Dinâmica: Um preditor MLP $f_\phi$ aprende a transição $s^z_{t+1} = f_\phi(s^z_t, u_t)$.
• Objetivos de Treinamento: O modelo é treinado usando uma perda de predição latente de múltiplos passos, uma perda SIGReg para evitar o colapso representacional e uma perda de endireitamento temporal para incentivar trajetórias latentes suaves. Este design facilita a otimização de trajetória baseada em gradiente eficiente (ex: iLQR).

2. Quantificação de Incerteza por Conformal Prediction

Para lidar com as imprecisões das dinâmicas aprendidas e do verificador de restrições latentes, os autores utilizam Split Conformal Prediction (CP) para calibrar conjuntos de incerteza com garantias estatísticas.

• Erro de Dinâmica Latente: Um modelo de covariância $\Sigma_\psi$ é treinado para prever a forma da distribuição de erro. O CP é usado para calcular um fator de escala $q$ (um quantil de escores de não conformidade) tal que o erro de predição real $e_t$ esteja dentro de um conjunto elipsoidal $E(s, u)$ com probabilidade $1-\delta$.
• Verificador de Restrição Latente: Um classificador de obstáculos latente $c_\psi$ é treinado para pontuar a segurança. O CP é usado para determinar um limiar $\eta$ tal que o classificador identifique corretamente regiões seguras/inseguras com alta probabilidade.
• Suporte de Domínio (In-Domain Support): Um conjunto de domínio $\mathcal{I}$ é definido como um subnível gaussiano calibrado para garantir que o planejador não opere em regiões muito distantes da distribuição de treinamento.

3. MPC Robusto via System Level Synthesis (SLS)

O loop de controle central usa System Level Synthesis (SLS) para resolver um problema de MPC robusto no espaço latente.

• Formulação: Em vez de otimizar ganhos de feedback diretamente, o SLS otimiza sobre respostas de sistemas de malha fechada (matrizes $\Phi_s, \Phi_u$) que mapeiam perturbações para desvios de estado/controle.
• Robustez: Os conjuntos de erro elipsoidais calibrados pelo CP $E(s, u)$ são injetados como conjuntos de perturbação na formulação SLS. O otimizador propaga essas incertezas ao longo do horizonte de planejamento para construir tubos alcançáveis ($R^s_k, R^u_k$).
• Restrições: A otimização impõe que todo o tubo alcançável permaneça dentro do conjunto latente seguro (definido pelo verificador de restrições calibrado) e do conjunto de domínio. Isso resulta em um "estreitamento de restrição" (constraint tightening), onde a trajetória nominal é ajustada para garantir que, mesmo sob os piores erros limitados, o sistema real permaneça seguro.
• Implementação: A abordagem aproveita a aceleração por GPU para lidar com os estados latentes de alta dimensão e a carga computacional de propagar tubos de incerteza de forma eficiente.

Principais Contribuições

1. Modelo de Mundo Latente para Planejamento: Os autores demonstram que o treinamento de modelos de mundo latentes compactos e Markovianos com regularização específica (SIGReg, endireitamento temporal) permite rollouts de múltiplos passos precisos e otimização baseada em gradiente eficiente diretamente de pixels.
2. Conjuntos de Incerteza Conformalizados: O artigo introduz um método para calibrar tanto os erros de dinâmica latente quanto os erros do classificador de segurança latente usando Conformal Prediction, fornecendo conjuntos de incerteza estatisticamente válidos para planejamento robusto.
3. MPC Robusto Escalável: A integração da incerteza calibrada por CP no System Level Synthesis acelerado por GPU permite o MPC robusto com restrição de alcançabilidade em espaços latentes de alta dimensão, uma tarefa anteriormente considerada computacionalmente proibitiva.
4. Validação Empírica: O método é validado em diversas tarefas de visão (navegação, pick-and-place, manipulação de objetos deformáveis) tanto em simulação quanto em hardware real, demonstrando desempenho superior de segurança e alcance de objetivos em comparação com os baselines.

Resultados Experimentais

Os autores avaliaram o SLS2 em quatro tarefas: Reacher, OGBench Cube, Push-T e uma tarefa de manipulação de corda bimanual (Bimanual Rope).

• Desempenho de Planejamento Nominal:

  • O planejador nominal do SLS2 (usando iLQR no modelo aprendido) superou significativamente os baselines (Le-WM, DINO-WM, PLDM) em taxas de sucesso.
  • Reacher: 83,5% de sucesso (vs. 17–40% para os baselines).
  • Rope: 93,75% de sucesso (vs. 7–25% para os baselines).
  • Estudos de ablação confirmaram que a representação de estado Markoviana e as perdas de treinamento de múltiplos passos foram críticas para o desempenho.

• Desempenho de Segurança Robusta:

  • Em tarefas com restrições (ex: limites de ângulo de junta, limiares de altura, desvio de obstáculos), o SLS2 alcançou taxas de segurança de 100% em simulação e hardware, enquanto o iLQR não robusto e outros filtros de segurança (HJ-filtered, LPB) frequentemente violaram as restrições.
  • Sucesso Robusto: O SLS2 manteve altas taxas de conclusão de tarefa (ex: 88,57% em Rope, 94,29% em Cube) enquanto aderia estritamente às restrições de segurança.
  • Hardware: O método foi implantado com sucesso em braços KUKA iiwa reais para manipulação de corda, demonstrando convergência para o estado de objetivo diretamente a partir de pixels sem estimativa de estado explícita.

Significância e Alegações

O artigo afirma que o SLS2 preenche a lacha entre a flexibilidade dos modelos de mundo aprendidos e o rigor necessário para o controle crítico de segurança. Ao combinar conformal prediction para calibração estatística e system level synthesis para otimização robusta escalável, o método fornece garantias probabilísticas de que o estado real do sistema permanecerá dentro de limites seguros, mesmo operando em um espaço latente de alta dimensão com dinâmicas imperfeitas.

Os autores enfatizam que sua abordagem não requer representações de estado projetadas manualmente ou dinâmicas conhecidas, tornando-a aplicável a tarefas complexas, deformáveis e visualmente ricas. Eles observam que, embora o método melhore significamente a segurança e as taxas de sucesso, ele depende da suposição de que os escores residuais de malha fechada são intercambiáveis com os escores de calibração, e o desempenho pode ser limitado pela suposição de representações latentes isotrópicas em tarefas que exigem manobras sequenciais complexas (como o Push-T).