技术摘要：用于故障诊断与闭环修复的 Onto-EV-WM

1. 问题陈述

利用世界模型（如 EV-WM）的物理 AI 系统通过特征向量或事件向量来预测候选未来并进行评分。然而，这些标量分数或事件向量往往缺乏关于“为何”候选方案失败的显式语义信息。具体而言，它们无法记录：

• 特定的任务谓词为何仍未满足（例如，空间关系或关节约束）。
• 与失败相关的类型化参数（typed arguments）。
• 指示应应用哪种纠正机制的路由标签（route label）。
• 基于原生任务谓词的纠正后验收结果。

因此，虽然系统可以识别出低分候选方案，但它缺乏一个结构化的接口来诊断具体的未达标条件、分配兼容的纠正策略，并使用闭环协议验证结果。本文旨在解决高维预测与符号化任务验证之间的鸿隙，目标是在不替换底层世界模型或视觉运动控制器的情况下，提供一个用于诊断和修复的显式接口。

2. 方法论：Onto-EV-WM

作者提出了 Onto-EV-WM，这是一个叠加在现有 EV-WM 架构之上的、基于本体论引导的诊断与验证门控纠正接口。它不是一个替代性的世界模型，而是一个管理从预测到纠正流程的符号层。

2.1 架构与组件

该系统通过涉及三个主要组件的结构化流水线运行：

1. 本体记录层（TBox 与 ABox）：
   • TBox（任务框）： 定义了包含实体类型（如物体、区域、关节）、谓词签名（如 in_region、contact）及类型约束的任务局部模式（schema）。它作为特定任务的可重用词汇表。
   • ABox（断言框）： 实例化当前状态。系统构建了三个针对特定溯源的 ABox：
     • $A^\star_g$：从结构化任务规范 ($g$) 中编译而来的必要断言。
     • $\hat{A}^{pred}_{g,t+H}$：从世界模型预测输出中提取的断言。
     • $A^{sim}_{g,t}$：直接从模拟器状态中提取的断言。
2. 确定性诊断与路由：
   • 诊断 ($\Pi_D$)： 将要求的 ABox ($A^\star_g$) 与观测/预测的 ABox 进行比较。它识别未满足的断言 ($\Delta F_{src}$)，并保留特定的谓词、其类型化参数以及任何连续值的边界违反情况。这会生成一个类型化的失败记录（例如：relation_missing(plate, stove_front)）。
   • 路由 ($\Pi_R$)： 一个确定性规则库将类型化失败映射到特定的“路由标签”。路由是用于调度兼容纠正机制的派遣标签（例如，“源关节位姿”、“物体关系谓词”），而非直接的机器人动作。
3. 验证门控纠正循环：
   • 提议生成： 一个提议者（基于学习、启发式或规划）根据失败记录和选定的路由生成纠正方案 $q$。
   • 应用： 通过直接修改模拟器状态（如修改 $qpos$）或通过控制器介导的执行来应用纠正。
   • 验证： 原生任务验证器检查结果状态是否符合任务谓词。
   • 有界重试： 如果验证失败，系统会增加尝试预算 ($b$)，重新对齐状态，并可能重试相同的路由或更换路由。循环在成功或预算耗尽时终止。

2.2 操作流程

该接口将预测、接地（grounding）、诊断、应用和验证分离。

• 输入： 任务规范、源标签（预测或模拟）以及状态。
• 过程： 将状态接地为 ABox $\rightarrow$ 诊断缺失谓词 $\rightarrow$ 分配路由 $\rightarrow$ 生成纠正 $\rightarrow$ 应用 $\rightarrow$ 验证。
• 输出： 一个被接受的状态、一个保留的规划候选方案，或一个未解决的类型化失败追踪。

3. 核心贡献

本文做出了三个主要的工程技术贡献：

1. 操作型机器人任务本体： 一种显式的接地接口设计，在共享词汇和类型约束下，将预测状态和模拟观测状态表示为不同的、特定任务的 ABox。
2. 确定性诊断与路由： 一个基于规则的系统，在不丢弃原始上下文的情况下，保留被违反的谓词及其类型化参数，并将其映射到特定任务的纠正路由。
3. 验证门控纠正契约： 一个记录纠正尝试全生命周期（诊断、路由选择、提议、应用模式及原生谓词验收）的协议，并强制执行有界重试机制。

4. 实验结果

作者通过模拟协议在三个不同的基准设置中对 Onto-EV-WM 进行了评估。

4.1 PointMaze（对齐比较）

• 设置： 在 50 次试验的随机状态规划比较中，对比 EV-WM 与 Onto-EV-WM。
• 结果： 两种方法均达到了 94% 的成功率。然而，Onto-EV-WM 取得了显著更低的平均最终状态距离 (0.61177)，而 EV-WM 为 (0.90573)，这表明其在满足任务条件方面具有更高的精度。
• 注： 在使用更大的搜索预算和“成功优先”选择的独立配置下，成功率达到了 100%，但由于预算差异，这与对齐设置下的结果不具直接可比性。

4.2 LIBERO-Goal（采样窗口纠正）

• 设置： 在 10 个操纵任务上进行评估，使用 4 个评估采样种子。协议采样 25 步的演示窗口。纠正通过直接作用于模拟器状态的固定学习源/关节 $qpos$-delta 机制进行应用。
• 结果：
  • 种子 0： 93.8% 的纠正窗口成功率（469/500）。
  • 跨 4 个种子： 94.05 ± 0.30% 的纠正成功率。
  • 恢复： 在 261 次回放失败中，有 142 次（54.4%）被纠正机制“挽救”。
• 背景： 本体提供了将失败与固定纠正头联系起来的诊断记录；报告的指标反映了完整的本体落地配置。

4.3 LIBERO-Plus（固定注册表）

• 设置： 在包含四个套件（LIBERO-10, Goal, Object, Spatial）共 10,030 个扰动任务的固定注册表上进行评估。
• 结果：
  • 总体成功率： 85.00%（8,526/10,030 个任务）。
  • 套件细分：
    • LIBERO-Goal: 91.39%
    • LIBERO-Object: 91.38%
    • LIBERO-Spatial: 91.38%
    • LIBERO-10: 65.98%（被识别为剩余失败计数最高的套件）。
• 比较： Onto-EV-WM 配置的表现优于多种基准模型，包括 DINO-WM + CEM (61.57%) 以及各种 VLA 模型，尽管这种比较是系统级的，并未隔离本体本身的因果贡献。

5. 重要性与声明

本文将 Onto-EV-WM 定位为一个 系统级接口，通过在故障诊断和修复过程中加入显式的类型化推理，增强了物理 AI 系统。

• 范围限定： 作者明确指出，其结果并不构成：
  • 真机机器人恢复或从模拟到现实（sim-to-real）的验证。
  • 通用的开放世界知识图谱或通用机器人本体。
  • 仅靠本体论实现的因果增益（性能提升归功于完整的配置）。
  • 替换现有控制器的新的学习策略类。
• 核心价值： 其重要性在于能够记录 为何 任务失败（类型化谓词与参数），并以一种与底层预测模型解耦的方式来结构化修复过程（路由与验证）。这使得在模拟协议中实现“闭环”修复成为可能，其中验证门控了纠正方案的验收。
• 局限性： 评估依赖于基于模拟的协议。“闭环”是指在模拟器内的有界“验证-重试”循环，而非物理硬件上的实时反馈控制。定量结果反映的是集成系统在特定协议下的表现，而非孤立本体的有效性。