技术摘要：预测动力学能否存在于物理世界中？

1. 问题陈述

现代物理人工智能（Physical AI）系统，包括世界模型、视觉-语言-动作（VLA）策略以及机器人基础模型，经常输出预测的状态展开（rollouts）、动作块（action chunks）或潜空间计划（latent plans）。虽然这些预测器通常在平均意义上具有较低的均方根误差（RMSE）或较高的似然度，但单个解码出的提议（proposals）可能会违反机器人执行包络线的物理约束（例如：超过加速度限制、违反运动学可达性，或要求不可能的状态转换）。

目前的指标（如预测误差、不确定性估计或似然得分）评估的是模型对数据的拟合程度，但并不本质地验证特定的、具体的提议是否在物理上是可执行的。在预测与控制的接口处存在一个关键空白：系统缺乏一种运行时机制，在将解码出的提议传递给规划器或控制器之前，判断该提议是否与假设的受控对象（plant）及执行机构极限相兼容。

2. 方法论

本文提出了一种模型无关的物理可容许性门控（Physical Admissibility Gate），作为运行时的监控器，运行在预测器与控制器之间。该门控通过对四个特定条件的分解，根据指定的物理包络线来评估解码出的提议。

2.1 物理可容许性的定义

如果存在一个可容许的控制信号（遵循幅值和变化率限制），能够生成监控网格上的所有采样状态，则定义该预测轨迹为物理可容许的。

2.2 四个运行时条件

该监控器将物理可容许性投影到三个可观测接口（状态曲线、状态-动作转换和多时界预测）上，从而生成四个必要条件：

1. 流一致性（预测器接口条件）：

   • 测试预测器的时序组合性。对于动作条件的模型世界模型，直接预测的时界 $h+k$ 必须与先预测 $h$ 再预测 $k$ 的组合结果相匹配。
   • 违反此项表明预测器不是精确的组合流，即使轨迹看起来很平滑。

2. 递归可达性（运动学条件）：

   • 要求每一个后续预测状态 $\hat{x}_{t+h+k}$ 在经过时间间隔 $k\Delta t$ 后，必须能从前一个状态 $\hat{x}_{t+h}$ 出发，在可容许控制集 $U$ 的作用下达到。
   • 使用可达集 $R_{k\Delta t}(x)$ 的外近似。如果某个状态落在该集合之外，则拒绝该提议。

3. 有界微分增长（运动学条件）：

   • 约束状态序列的有限差分（速度、加速度、加加速度/jerk）。
   • 确保轨迹不会出现会导致违反执行器变化率限制或有界导数的任意帧间变化。

4. 学习到的动力学一致性（动力学条件）：

   • 当存在动作条件的动力学模型时，评估单步转换残差。
   • 计算预测的下一状态与实际转换 $(\hat{x}_t, u_t, \hat{x}_{t+1})$ 之间的标准化残差（相对于学习模型的均值和方差）。
   • 这测试了除了曲线平滑性之外的兼容性，确保状态-动作对与学习到的动力学保持一致。

2.3 监控器得分

监控器将这些条件聚合为一个标量得分 $S$，定义为所有可用条件中最大的归一化残差：
$$S = \max \left( \frac{\Delta R}{\epsilon_R}, \frac{E^\Delta_p}{B_p}, \frac{\Delta D}{\epsilon_D}, \frac{\Delta F}{\epsilon_F} \right)$$

• 决策规则： 如果 $S > \eta$（一个经过校准的阈值），则该提议被拒绝（REJECTED）。监控器还会识别导致违规的具体组件（$c^\star$）以用于诊断目的。
• 语义： 拒绝是一个关于特定提议的可执行性的操作性决策，而非对全局学习模型有效性的判断。

3. 实验协议

该框架在 Hugging Face LeRobot PushT 数据集（一个具有同步图像和二维连续动作的平面推物体任务）上进行了评估。

• 基准测试： 本研究将全门控系统与包括不确定性评分、RMSE 残差、仅运动学检查以及仅动作检查在内的基准模型进行了对比。
• 模型： 训练了紧凑型 MLP 世界模型，包括仅状态的集成模型、历史条件模型以及直接的多时界预测器。
• 压力测试： 引入了结构化扰动以创建具有已知物理违规行为的“无效”提议（例如：平滑脉冲、执行器滞后、时间扭曲、模式切换、动作-状态不匹配以及饱和）。
• 重放干预： 模拟运行时执行过程，其中提议要么被接受，要么在被拒绝时路由至备选的常规动作块（fallback nominal chunk）。

4. 关键结果

4.1 检测性能

• 全门控系统： 在检测动力学违规方面实现了 0.957 的曲线下面积（AUC）和 0.993 的平均精度（AP）。
• 转换残差： 学习到的动力学残差（单步转换）是最强的单个标量检测器（AUC 0.982），其表现优于仅运动学检查（AUC 0.592）和基于不确定性的评分（AUC 0.828）。
• 流一致性： 以 100% 的准确率（AUC 1.000）检测到了受控的直接预测不一致性。

4.2 运行时干预

在生成无效提议的重放实验中：

• 全物理可容许性门控阻止了 87.7% 的无效提议执行。
• 误干预率（拒绝有效的常规动作块）为 8.5%。
• 平均任务进度保持在接近 0.998 的水平，表明门控在过滤错误的同时并未显著阻碍常规性能。
• 仅运动学的条件未能检测到许多结构化的动力学违规，证实了几何平滑性并不保证物理上的可执行性。

4.3 模型比较

• 历史条件模型（使用过去的状态-动作对）在 Rollout RMSE 方面显著优于仅状态的马尔可夫集成模型（0.00221 vs. 0.01000），这表明在 PushT 任务中，仅靠状态不足以实现完全的预测。

5. 意义与主张

本文声称提供了一个针对预测性物理 AI 的运行时护栏（runtime guardrail），解决了特定的空白：即验证可执行性而非仅仅是预测拟合度。

• 接口级公式化： 其贡献在于一种接口级的分解，将解码出的提议视为验证单元，独立于产生它的策略类或训练目标。
• 必要条件： 作者强调，通过门控是物理可容许性的必要条件，而非任务成功的证明。拒绝明确标识了对指定包络线的违规；通过则意味着提议与包络线一致，但不保证任务一定会成功。
• 诊断能力： 与通用的异常得分不同，该门控提供了组件级的归因，能够识别失败是源于运动学（可达性/增长）、动力学（状态-动作不匹配），还是与预测器接口相关（流一致性）。
• 模块化： 该框架具有模块化特征，只要指定了变量和边界，即可添加特定的约束（如转矩、碰撞、功率）。

本文得出结论：尽管预测模型在平均意义上可以很准确，但它们经常产生单个物理上不可能实现的提议。所提出的可容许性门控提供了一种实用的机制，在执行前过滤这些提议，从而弥合了预测性机器人学习与动力学系统约束之间的鸿沟。