面向接触模式与稀疏律恢复的支持安全变分混合滤波
机器人学
2026-05-19 v1 人工智能
摘要
充满接触的机器人动力学具有混合特性：单一观测可匹配多种潜在状态和接触范式（自由、碰撞、粘滑）。标准的 amortized 滤波器若对不可行的接触转换无任何概率，将永久丢失机器人实际跟随的分支。我们引入 VHYDRO，这是一种变分混合动力学学习器，通过在每一步将学习的提议与可行转换法则混合后进行采样和重要加权，确保模型可行载体保留的每个转换都得到覆盖。VHYDRO 联合推断连续潜在状态和离散接触模式，并为每个恢复的范式拟合稀疏 port-Hamiltonian 律。在此基础上，存在三重保证：支持覆盖稳定滤波，稳定滤波将离散接触后验集中在连贯的范式上，模式纯粹的段落容许稀疏 port-Hamiltonian 恢复。恢复误差可清晰分离为滤波误差、导数误差、模式污染误差和物理残差误差。三个经验发现追踪同一机制：在强遮挡下，支持安全滤波保持可用，而非防御性提议崩溃。在 ManiSkill 演示和四组 Sawyer/BridgeData 任务族上，离散状态形成在时上连贯的接触范式段落，离散状态在 ARI、change-point F1 和段落纯度方面优于事后处理和无模式基准。在已知方程的混合系统上，模式条件稀疏拟合恢复活跃的物理项；纯预测基准不行。
引用
@article{arxiv.2605.16398,
title = {Support-Safe Variational Hybrid Filtering for Contact-Mode and Sparse-Law Recovery},
author = {Marios Papamichalis and Regina Ruane},
journal= {arXiv preprint arXiv:2605.16398},
year = {2026}
}