AI 요약 · 영어에서 AI 번역
LaGSplat: Inferring Physics-Governed Interactive Simulation from Monocular Video Using Latent Lagrangian Gaussian Splatting
Louen Pottier
TL;DR
영상에서 상호작용 가능한 물리 동역학을 학습하려면, 측정된 일반화 좌표 없이 시각적 재구성과 역학을 결합해야 한다. LaGSplat은 공유 저차원 잠재 상태를 통해 학습된 소산 라그랑지안과 이동 점 기반 Gaussian Splatting 디코더를 결합한다. 일곱 실제 시스템에서 고유 모드를 가진한 영상을 사용해 고유진동수를 수 퍼센트 이내의 오차로 복원한다.
문제
기존 연구의 공백은 측정된 일반화 좌표나 시뮬레이터 데이터가 아닌 영상에서 직접 상호작용 가능한 물리 동역학을 학습하는 데 있다.
출처: §1 · p. 2방법
LaGSplat은 비지도 학습한 하나의 저차원 잠재 상태를 통해 학습된 소산 라그랑지안과 이동 점 기반 Gaussian Splatting 디코더를 결합한다.
출처: §1 · p. 2결과
일곱 실제 시스템에서 고유 모드를 가진한 영상을 사용하면, 영상에서 관측한 값 대비 수 퍼센트 이내의 오차로 고유진동수를 복원할 수 있음을 보인다.
출처: §6 · p. 19시사점과 한계
사용자는 재학습 없이 재구성된 물체에 학습 중 보지 못한 힘을 가할 수 있다. 다만 힘의 크기에는 전역 에너지 계수에 따른 배율의 모호성이 남는다.
출처: §6 · p. 19구현된 동역학은 적은 수의 일반화 좌표, 매끄러운 운동학, 외부 입력이 없거나 입력이 측정된 소산 운동을 가정하며, 접촉, 충돌, 위상 변화, 소성, 이력 현상은 다루지 않는다.
출처: §5 · p. 17
Abstract
from arXiv · showhide
We present LaGSplat (Latent Lagrangian Gaussian Splatting), a framework that infers interactive, physics-governed dynamics from one or a few monocular videos. At inference it lets a user push on the filmed object, rigid or deformable, with an external force that was never measured, annotated, or seen during training. This is possible because a low-dimensional latent state $\mathbf{q} \in \mathbb{R}^d$ plays two roles at once: it is the generalised coordinate of a learned dissipative Lagrangian and the conditioning variable of a Gaussian Splatting decoder. The inductive bias of this decoder, whose primitives are explicit points $μ_i(\mathbf{q})$ that move with the object, is what lets a force $f$ applied in the image pull back into a latent generalised force $J(\mathbf{q})^\top f$ and enter the equations of motion, which pixel-space (CNN) or neural-field (NeRF) decoders cannot do. We validate LaGSplat on test cases of increasing difficulty, from rigid to deformable and from autonomous to forced real systems, combining monocular video and sensor measurements. We further demonstrate interactive use: forces of arbitrary magnitude and direction can be applied to the reconstructed object at any time, its response rendered in real time, in 2D or 3D. Assuming a dissipative Euler-Lagrange equation over a few generalised coordinates trades generality for a bounded, plausible response to unseen forces, where an unconstrained predictor diverges.
1 서론
LaGSplat은 단안 영상에서 물리 모델과 Gaussian 장면 표현을 학습해, 이전에 측정하지 않은 힘을 가하는 실시간 상호작용을 가능하게 한다. 공유 잠재 상태가 학습된 라그랑지안 동역학과 물체를 따라 움직이는 명시적 점들을 연결한다.
1 서론
- 기존 영상 기반 방법들은 제약 없는 동역학 [62], 미리 정한 방정식 [7] [35] [69], 고정된 픽셀 [21] [35]을 사용하거나 재구성을 수행하지 않는다 [7].동적 재구성 [31] [75]은 상호작용 없이 기록된 운동을 재생하는 반면, 물리 시스템 학습 [11] [21] [48]에는 관측된 일반화 좌표 궤적이 필요하다. LaGSplat은 이와 달리 촬영된 특정 시스템의 물리 법칙을 해당 영상에서 식별하고, 역학 법칙과 명시적으로 움직이는 프리미티브를 결합한다.출처: §1 · p. 2
- 잠재 좌표는 상태 주석 없이, 외부 시뮬레이터도 쓰지 않고 광도 재구성과 오일러–라그랑주 잔차의 공동 제약으로 학습된다.인코더가 프레임을 잠재 상태로 매핑하고, 잠재 라그랑지안 신경망이 학습된 방정식을 적분하며, Gaussian 디코더가 그 결과로 얻은 상태를 렌더링한다.출처: §1 · p. 2
- 명시적으로 움직이는 프리미티브 덕분에 영상에 가한 힘을 동역학에 반영할 수 있다. 프리미티브의 야코비안은 재학습 없이 힘 f를 잠재 일반화 힘 J(q)^T f로 매핑한다.이 매핑은 하중이 아니라 학습된 운동학에 의존하므로, 힘을 가한 예시가 없는 자율 운동 영상만으로도 결정할 수 있다.출처: §1 · p. 2
- 힘에 대한 응답은 학습 중 방문한 잠재 상태로 제한되며, 전역 진폭 척도가 미정이고 영상에 없는 운동 모드는 활성화할 수 없다.동역학이 잘 식별되고 프리미티브가 올바르게 움직이면 응답의 방향과 형태는 정확하다. 힘–변위 측정값 하나로 진폭을 보정할 수 있으며, 그렇지 않으면 척도를 수동으로 정한다. 관측되지 않은 모드는 잠재 좌표가 없어 강성이 무한한 것처럼 거동한다.출처: §1 · p. 2
- LaGSplat은 하나의 잠재 상태를 통해 학습된 소산 라그랑지안과 Gaussian Splatting 디코더를 결합하여, 단안 영상으로부터 실시간 상호작용 시뮬레이션을 구현한다.잠재 상태는 일반화 좌표이자 디코더의 조건 변수로 쓰인다. 2D 렌더링을 지원하며, 깊이 또는 다중 시점 감독이 있으면 새로운 3D 시점에서도 렌더링할 수 있다.출처: §1 · pp. 2–3
- LaGSplat은 역학적 사전 지식이 없는 운동 예측기 와 달리 학습에 없던 안정 평형으로 수렴하며, 일반화 좌표가 적은 시스템을 대상으로 한다.단진자, 진동하는 강체, 매달린 가방, Krauss et al. [35]의 공압 액추에이터로 검증하며, 강체·변형체와 자율·외력 구동 시스템을 모두 다룬다.출처: §1 · p. 3
2 관련 연구
이 절은 동적 시점 합성, 학습 기반 해석역학, 물리적으로 타당한 영상 생성, 촬영 대상 자체의 영상으로 학습하는 시뮬레이션을 구분한다. LaGSplat은 마지막 설정을 채택해 잠재 소산 역학과 움직이는 가우시안 프리미티브를 결합하고, 이 프리미티브를 통해 상호작용 힘을 동역학에 전달한다.
2.1 동적 신규 시점 합성
- 잠재 상태로 조건화된 가우시안 프리미티브는 움직이는 물질점, 상수 위치 야코비안, 실시간 래스터화를 제공해 상호작용 힘을 닫힌 형태로 동역학에 전달한다.주류 NeRF 정식화 [53] [56] [61]에는 물질점이 없지만, 객체에서 바깥으로 향하는 변형 [22], 입자 방사장 [44], PAC-NeRF [40]는 활용 가능한 대안이다. LaGSplat은 Yang et al. [75]의 고차원 가우시안에서 시간을 잠재 좌표로 대체하고 gsplat [76]으로 래스터화한다. 정준 공간 워핑 과 달리 아핀 위치 사상을 보존하며, FreeTimeGS [70] 역시 움직임이 풍부한 콘텐츠에 확장 공간에 직접 배치한 프리미티브를 선호한다.출처: §2.1 · p. 3
2.2 학습 기반 해석역학
- 학습된 잠재 역학은 이미 가상일에 따른 힘의 풀백을 지원하지만, 기존 모델은 영상으로 렌더링한 물질점이 아니라 계측 장비로 상태와 힘을 얻는다.L-LNN 은 인코더 야코비안을 통해 힘을 전달하고, Friedl et al. [14] [15]은 디코더 야코비안을 사용한다. LaGSplat은 이러한 전달 방식은 계승하지만 계측 기반 데이터 획득 방식은 따르지 않는다. 관련 학습 난제로는 위치만으로 학습할 때의 식별 가능성 [5], 비볼록 퍼텐셜 [30], 조건수가 나쁜 질량 행렬 [23, 34], 단일 단계 미분값 일치만으로는 부족한 장기 안정성 [24] [27] [36]이 있다.출처: §2.2 · p. 5
2.3 물리적으로 타당한 영상 생성
- 사전 지정 물리 법칙을 사용하는 영상 생성기는 외부 개입을 지원할 수 있지만, 촬영 대상의 관측된 움직임에서 지배 법칙을 학습하지는 않는다.VR-GS [29]는 지속적인 실시간 상호작용을 지원하지만, 수동으로 설정한 재료 물성과 정적인 다중 시점 스캔을 사용한다. PhysDreamer 는 사전 지정된 MPM 물리 모델 아래에서 확산 모델로 생성한 비디오에 맞춰 강성을 보정한 뒤, 지속적인 힘이 아닌 초기 충격량에 반응하며, 렌더링된 영상의 매초마다 약 일 분의 시뮬레이션 시간이 든다.출처: §2.3 · p. 5
- Force Prompting [18]은 역학 없이 힘으로 조건화된 영상을 학습하며, 힘-영상 학습 쌍이 필요하고 인과적 상호작용을 허용하는 대신 생성 전에 힘을 고정한다.생성 과정은 실시간도 아니고 프레임별로 인과적이지도 않다. 반면 LaGSplat은 어느 순간에나 바뀔 수 있는 미관측 힘을 받아들이고, 가상일을 통해 물질점에서 식별된 동역학으로 전달한다.출처: §2.3 · pp. 5–6
- NeuROK [17]도 잠재 오일러–라그랑주 동역학과 가상일 기반 상호작용 힘 입력을 사용하지만, 대상 자체의 영상에서 시스템을 식별하는 대신 다른 대상에 전이 가능한 메시 역학을 학습한다.LaGSplat의 아핀 가우시안 디코더와 달리, 비선형 메시 디코더가 사용자가 선택한 영역과 시간 구간에 대해 풀백 계량 G(q) = J^T J와 힘 Q = J^T F를 제공한다. 한편 LaWM [73]은 시뮬레이터 렌더링 영상에서 보존적 잠재 라그랑지안을 학습하고, 보조 신호가 있으면 함께 사용하지만, 궤적 전개에는 외력이 없다.출처: §2.3 · p. 6
2.4 영상 감독을 통한 학습과 시뮬레이션
- 영상 감독 기반 시뮬레이션은 촬영된 시스템을 식별하고 기록 범위를 넘어 외삽하지만, 비구조적 상태 변화 규칙은 역학적 힘 입력도 물리적 타당성 보장도 제공하지 않는다.Chen et al. [8]은 저차원 상태를 발견하지만 픽셀을 다시 생성하는 방식으로 예측한다. Zhu et al. [81]은 Lipschitz 필터로 연속적인 잠재 상태를 얻은 뒤 비제약 신경 ODE를 적합한다. ParticleGS [62], EvoGS [3], GaussianPrediction, NVFi [39]에도 외부 작용을 입력받을 수 있게 하는 학습된 에너지·관성·소산 구조가 없다.출처: §2.4 · p. 6
- 구조화된 영상 기반 선행 연구는 역학이나 힘 입력을 제한하는 반면, LaGSplat은 재구성에서 얻은 잠재 좌표계를 고정한 뒤 상태 의존적 관성을 갖는 소산 법칙을 학습한다.Pixel-HNN [21]은 고정 픽셀 디코더를 사용하는 보존적 무외력 모델이다. Castañeda Garcia et al. [7]은 재구성 없이 알려진 스칼라 방정식을 적합한다. Krauss et al. [35]은 측정된 압력 채널로만 구동되는 선형 진동자를 학습하며, 어텐션 중심점은 생성형 물질점이 아니다. LaGSplat은 Zhu et al. [81]의 Lipschitz 필터를 채택하고 M(q)로 좌표계의 스케일과 곡률을 반영한다. 두 구간 공압 로봇에서는 네 개의 잠재 좌표가 10차원 진동자 사슬보다 우수한 성능을 보인다.출처: §2.4 · pp. 6–7
- LaGSplat은 영상 감독 기반 잠재 소산 역학, 명시적으로 움직이는 가우시안 프리미티브, 상호작용 힘을 결합하며, 제로샷 전이가 아니라 촬영된 시스템 자체를 대상으로 한다.프리미티브의 축은 운동방정식이 지배하는 동일한 상태를 담아, 힘의 작용점을 수치 적분되는 좌표와 연결한다. Wang et al. [69]도 외력 적용을 지원하지만, 강체와 변형체의 잠재 상태를 발견하는 대신 미리 정의된 자세로 사전 지정 강체 동역학을 적합한다.출처: §2.4 · p. 7
3 방법
LaGSplat은 Gaussian splatting 오토인코더로 연속적인 잠재 차트를 학습한 뒤 이를 고정하고 소산 라그랑주 동역학을 학습한다. 디코더의 운동학은 학습에서 보지 못한 사용자 힘을 잠재 일반화 힘으로 변환하며, 물리적 힘의 척도를 정하려면 한 번의 보정 측정이 필요하다.
3.1 문제 정의 및 개요
- 비지도 학습한 잠재 상태는 일반화 좌표이자 렌더링 조건으로 쓰이며, 먼저 외형을 학습한 뒤 고정된 차트에서 동역학을 학습한다.1단계에서는 인코더와 Gaussian splatting 디코더를 공동 학습한다. 2단계에서는 둘 다 고정하고 영상 클립을 한 번 인코딩한 뒤 잠재 라그랑지안과 소산을 학습한다.출처: §3.1 · p. 7
3.2 1단계: 오토인코더와 잠재 차트
- Lipschitz 제약을 둔 인코더 필터는 시간적 연속성을 보존하며, 백색화와 디코더에서 유도한 가시성 계량은 잠재 방향별 관측 가능성의 차이를 반영한다.연속성 정규화는 Zhu et al. [81]을 따른다. 잠재 차원은 알려진 물리적 자유도 또는 거의 완벽한 재구성이 가능한 최소 차원으로 정한다. 고정된 인코딩 상태는 평균이 0이고 공분산이 단위행렬이 되도록 백색화하며, 이미지 계량을 풀백한 뒤 궤적에 걸쳐 평균하여 동역학 학습과 보고 오차에 가중치를 부여한다.출처: §3.2 · pp. 7–8
- 상태 조건부 Gaussian splat은 반복 방문하는 상태를 한 번만 저장하고, 학습에서 보지 못한 초기 조건이나 가해진 힘에 따른 궤적을 렌더링한다.조건화는 중심을 아핀 변환으로 이동시키고, 조건부 공분산은 상태와 무관하게 유지하며, 잠재 공간에서 멀리 떨어진 프리미티브를 억제한다. 광도 기반 학습에는 연속성과 타원체 종횡비에 대한 페널티가 포함된다. 직접적인 2D 출력은 단안 감독을 사용하지만, 3D 새 시점 렌더링에는 다중 시점 감독이 필요하며 실험에서는 이를 SHARP [51]로 합성한다.출처: §3.2 · p. 8
3.3 2단계: 잠재 라그랑주 동역학
- 학습된 양의 정부호 관성과 감쇠에 볼록 또는 invex 퍼텐셜을 결합하여, 하나의 평형점을 유지하면서 휘어진 잠재 차트와 비볼록 에너지 등고선을 수용한다.라그랑지안은 운동 에너지와 퍼텐셜 에너지로 나뉜다. 학습된 질량은 차트의 기하를 흡수한다. 매개변수가 없는 디코더 야코비안 기반 대안은 가시 영역의 관성이 균일하게 분포한다고 가정하며, 보고된 결과는 학습된 질량을 사용한다. Input-Convex Neural Network [2]는 볼록한 퍼텐셜 우물을 다루며, 이를 학습된 미분동형사상과 합성하면 invex 퍼텐셜 [65]을 얻는다. 여러 우물을 다루려면 국소 볼록 변형 [30]이 필요하다.출처: §3.3 · p. 9
- 양의 감쇠 하한은 자유 응답의 유계성과 수렴성을 보장하며, 오목한 챔버 부피 사상은 음이 아닌 공압에서 유일한 안정 평형점을 유지한다.이러한 안정성은 학습 전부터 성립한다. 자유 동역학은 퍼텐셜 최솟값에 수렴하고, 하중이 유지되면 해당 하중에서의 평형점에 수렴한다. 측정된 챔버 압력은 잠재 챔버 부피 사상의 도함수를 통해 일반화 힘으로 입력된다.출처: §3.3 · p. 9
- 동역학 학습은 가시성으로 가중한 한 단계 예측 오차를 최소화하지만, 모델 선택에는 다단계 롤아웃 오차를 사용하여 teacher forcing이 장기 예측 오차를 포착하지 못하는 한계를 보완한다.미분 가능한 velocity-Verlet 단계로 다음 인코딩 상태를 예측한다. 디코더 계량에 따른 가중은 래스터화 없이 이미지 오차를 근사한다. 등방성 하한은 가중치 비율을 1/ρ로 제한하여, 거의 보이지 않으면서 강성이 높을 수 있는 방향이 제약 없이 남지 않도록 한다.출처: §3.3 · p. 9
3.4 상호작용 및 추론
- 가우시안 중심의 야코비안은 학습에서 보지 못한 사용자 힘을 잠재 일반화 힘으로 변환하며, 접촉은 주변 이웃에 걸쳐 혼합하고 물리적 힘의 척도는 한 번의 측정으로 보정한다.각 프리미티브의 아핀 운동학은 상수 야코비안을 제공하므로, 추론 시 신경망을 미분하지 않고 O(nd)에 힘을 풀백할 수 있다. 영상은 응답의 방향과 형태를 결정하지만, 전역 에너지 척도의 모호성 때문에 알려진 힘과 그 응답을 한 번 측정해야 한다.출처: §3.4 · p. 10
- 16 GB GPU에서 30 또는 60 Hz의 동역학과 80 fps를 초과하는 렌더링으로, 힘에 따른 궤적 변경과 물성 편집을 통한 상호작용을 지원한다.한두 프레임으로 상태와 속도를 초기화하며, 한 프레임만 사용하면 초기 속도를 0으로 가정한다. 심플렉틱 적분은 장기 롤아웃의 에너지 드리프트를 억제한다 [9]. 렌더링은 동역학과 독립적으로 실행되며, D, T, V의 크기를 조절하면 각각 감쇠, 관성, 유효 퍼텐셜을 편집할 수 있다.출처: §3.4 · p. 10
4 실험
실험에서는 LaGSplat의 고유진동수 복원, 소프트 로봇 예측 정확도, 장시간 소산 운동, 외력에 대한 상호작용 응답을 평가한다. 힘의 참값이 없는 상호작용 실험에서는 소프트 로봇의 변형과 학습된 가우시안 운동학이 지배하는 3D 로커의 방향별 응답을 살펴본다.
4.1 실험 절차
- 실험에서는 상태, 힘, 토크 주석 없이 d = 1–4인 실제 시스템에 대해 고정된 측광 기반 잠재 좌표계 위에서 동역학을 학습한다.실험 대상은 강체 진동자, 매달린 가방, 압력 구동 소프트 로봇 [35]이며, 비강체의 차원 수는 경험적으로 정한다. 다중 시점 3D 감독은 로커에만 제공한다. 기준 상태로 재설정하지 않는 롤아웃은 진동수 오차, 가시성 가중 잠재 NRMSE, 오토인코더의 오차 하한 대비 영상 오차로 평가하며, 잠재 오차와 영상 오차는 고유주기 두 번에 걸쳐 평균한다.출처: §4.1 · pp. 10–11
4.2 실험 대상별 결과
- 모든 시스템에서 고유진동수 오차가 1–6%이지만, 고유모드가 가진되지 않은 단일 세그먼트 로봇에서는 31.4%의 오차가 발생한다.진동수와 감쇠 오차가 작아도 위상 편차는 누적된다. 매달린 가방의 잠재 오차는 두 주기에서 0.150, 일곱 주기에서 0.396으로 증가한다. 이중 진자의 잠재 오차는 두 주기에서 0.947, 전체 영상에서 1.544에 달해, 211개 학습 프레임으로 혼돈 운동을 식별하는 데 한계가 있음을 보여준다.출처: Table 2 · p. 11, §4.2 · pp. 11–12
4.3 라그랑지안 사전 가정의 이점
- GaussianPrediction 은 1000초 후에도 초기 진폭의 53%가 남지만, LaGSplat은 수십 초 안에 구조적으로 보장되는 안정 평형에 도달한다.그럼에도 GaussianPrediction은 학습에서 제외한 데이터의 PSNR에서 2.0 dB 앞서며, 진동수 오차는 LaGSplat의 1.2%보다 낮은 0.9%다. 장시간 예측 프레임도 시각적 일관성을 유지하고 관측된 잠재 범위를 벗어나지 않는다. 두 방법 모두 촬영 구간의 소산 계수를 과소 추정하며, 그 정도는 LaGSplat이 29%, GaussianPrediction이 60%다.출처: Table 3 · p. 12, §4.3 · p. 12
4.4 실제 구동 소프트 로봇
- 영상 내 어느 위치에서나 힘을 가할 수 있는 방법은 LaGSplat뿐이다. Osc. + ABCD는 d/2개 위치에서만 가능하며, Koopman 기준 모델은 역학적 힘을 입력받을 수 없다.역합성곱 디코더는 힘을 가할 위치를 제공하지 않으며, 잠재 힘을 가속도로 역학적으로 변환하는 것은 진동자 동역학뿐이다. 따라서 다른 진동자 기준 모델은 잠재 좌표에서만 힘을 입력받는다. 로봇 비교에서는 공개된 32 × 32, 60 fps, 연속 구간 80/20 분할 절차를 유지한다. 측정 압력은 학습된 형상 의존적 구동 모델을 통해 사용하며, 30단계와 검증 궤적 50개에 대해 보고된 기준 모델 오차를 비교에 사용한다.출처: §4.4 · pp. 13–14
- LaGSplat은 픽셀 MSE 0.769 × 10^-3으로 0.5초 벤치마크 예측 구간에서 두 세그먼트 소프트 로봇을 가장 정확하게 예측한다.이는 시드 다섯 개의 중앙값이며, 기준 모델의 d = 10과 달리 d = 4를 사용한다. Osc. + ABCD, Osc. + deconv, Koopman + deconv, Koopman + ABCD 대비 오차가 각각 8.5, 30, 7.4, 1.28배 작다. 마지막 방법과의 차이는 작다. 가진이 약한 단일 세그먼트 로봇에서는 LaGSplat이 최하위이며 관성을 식별하기 어렵다.출처: Table 4 · p. 14, §4.4 · p. 14
- 두 세그먼트 로봇에서 디코더로 유도한 관성은 0.5초 구간 오차가 1.33 × 10^-3으로 학습된 관성의 0.769 × 10^-3보다 높지만, 기준 모델 네 개 중 세 개보다 우수하다.별도 매개변수 없이 디코더의 야코비안으로 유도하는 관성은 균일한 밀도를 가정한다. 비교에서는 오토인코더, 잠재 좌표계, 목적함수, 설정을 고정하고 나머지 항을 재학습한다. 진동수 오차는 6.9%로 학습된 관성의 5.7%보다 높으며, 상수 관성의 오차는 이 실험 대상에서 4.8 × 10^-3이다.출처: §4.4 · p. 14
4.5 힘 가하기
- 학습에서 보지 못한 영상 내 힘은 재학습 없이 J(q)^T f를 통해 학습된 동역학에 입력된다. 압력 구동과 결합되며, 잠재 좌표를 바꾸어도 렌더링된 응답은 유지된다.힘의 변환은 영상 학습으로 이미 고정된 운동학을 사용해 클릭 지점 아래에 있는 각 프리미티브의 야코비안 기여를 합산한다. 힘의 참값과 절대 에너지 보정값이 없으므로, 실험에서는 식별되지 않은 에너지 척도에 불변인 평형 응답의 비율, 부호, 합을 살펴본다.출처: §4.5 · p. 15
- 로커에서 상대 오차 8 × 10^-8은 힘의 중첩을 뒷받침하며, 지레팔 길이에 따른 비례 관계, 부호 반전, 무시할 만한 배경 응답도 확인된다.같은 크기의 힘을 가하면 지레팔 길이가 증가함에 따라 잠재 변위가 -0.50, -0.76, -0.84가 되며, 회전 중심 반대편에서는 +1.22가 된다. 분할 없이도 배경 클릭의 절대 변위는 ≤ 0.007이다. 변형 가능한 로봇에서는 두 세그먼트 모두 좌우 방향 힘에 반응하며, 첫 번째 세그먼트에만 하중을 가해도 두 번째가 휘지만, 그림만으로는 가능한 원인을 구분할 수 없다.출처: §4.5 · p. 15
- 사용자가 선택한 가우시안에 힘을 가하므로, 세그먼트 내부와 세그먼트 간 힘 응답은 명시적인 세그먼트 정보 없이 학습된 운동학만으로 발생한다.변형 오차를 정량화하려면 알려진 점하중에 대한 응답 기록이 필요하지만, 사용 가능한 시스템 중 이를 제공하는 것은 없다.출처: §4.5 · p. 16
- Krauss 등의 두 세그먼트 소프트 로봇 [35]은 횡방향 힘에 휘고 축방향 힘에 늘어나거나 줄어들며, 좌우 대칭을 대체로 유지한다.연결부와 끝단에 서로 반대 방향의 힘을 가하면 두 번째 분절이 굽어지는 반면, 첫 번째 분절은 연결부에만 힘을 가했을 때와 반대 방향으로 약 사분의 일만큼 휜다. 중력 때문에 이 반응을 정적 평형으로 해석할 수는 없다.출처: Figure 9 · p. 16, §4.5 · p. 16
- SHARP 합성 시점 영상으로 3D 디코더를 지도 학습한다. 클릭하면 광선을 쏘아 처음 교차하는 가우시안에 월드 좌표계의 힘을 가한다.지도 학습에는 실제 다중 카메라 촬영 영상이 아니라 삼차원으로 복원한 프레임에서 렌더링한 시점 영상을 사용한다.출처: §4.5 · p. 16
- 직교 방향의 3D 힘에 따른 잠재 상태 변화는 3 × 10^-9 미만인 반면, 같은 크기의 수직 힘은 평형 q = +1.52를 만든다.단일 자유도 로커에서 직교 방향 힘은 J^T f = -3.1 × 10^-17을 만들어, 힘의 크기와 관계없이 사실상 0이다.출처: §4.5 · pp. 16–17, Figure 10 · p. 17
5 논의
LaGSplat의 논의에서는 동역학 가정, 영상의 상태 포괄 범위, 힘 검증, 모델링 선택의 한계를 짚고, 더 풍부한 물리 현상, 시뮬레이터 연동, 제어, 시스템 간 학습으로의 확장 방향을 제시한다.
한계
- 라그랑지안 사전 가정은 LaGSplat을 소수의 좌표, 매끄러운 운동학, 자율적이거나 측정된 입력으로 구동되는 소산 동역학으로 제한한다.구현된 동역학은 접촉, 충돌, 위상 변화, 소성, 이력 현상을 다루지 못하지만, 비구조적 운동 예측기는 이러한 거동도 포괄할 수 있다. 다른 저차원 시간 발전 방정식도 일반화 힘 J^T f를 입력받을 수 있어야 상호작용을 유지할 수 있다. 접촉과 소성에는 적합한 정식화가 존재하지만, 둘 다 구현되지는 않았다.출처: §5 · p. 17
관측 가능성, 상태 포괄 범위, 여기 설계
- 영상 학습에는 관측 가능하고 충분히 여기된 상태가 필요하며, 잠재 상태 공간이 커질수록 더 광범위한 촬영이 요구된다.평면 밖 변위를 학습하려면 실제 다중 시점 영상이 필요하며, 관측되지 않은 운동은 재현할 수 없다. 흔들림 장치는 영상에서 기울어 넘어지는 운동이 전혀 여기되지 않았으므로 세게 밀어도 넘어지지 못한다. 렌더링하려면 가우시안이 도달 가능한 모든 상태를 포괄해야 하고, 동역학을 식별하려면 프레임이 그 영역을 조밀하게 표본화해야 한다. 지속적 여기를 유도하는 입력이나 놓아주는 조건을 설계하면 상태 포괄 범위를 넓힐 수 있다.출처: §5 · pp. 17–18
한계와 측정된 힘
- 힘 적용 메커니즘은 측정된 힘을 이용한 검증이 부족하지만, 한 번의 찌르기에서 힘을 측정하면 모델 전체의 에너지 척도 kappa를 결정할 수 있다.기존 실험은 kappa에 불변인 야코비안의 성질을 확인한다. PokeFlex [54]는 상호작용 기록을 제공하지만, 강제 동역학보다는 준정적 평형을 검증하게 된다. 검증에는 고정된 단안 시점, 소수의 자유도, 기록된 힘과 접촉점이 필요하다. 손을 마스킹하고 계측 장갑 을 사용하면 사람의 조작 영상을 확보할 수 있다.출처: §5 · pp. 17–18
밀도 가정과 재료 분리
- 균일 밀도 프리미티브는 관성을 잘못 추정하고 움직이는 그림자에 질량과 힘에 대한 반응을 잘못 부여할 수 있다.관성 오차는 한 시스템에서만 측정되었으며, 그 경우에는 작았다. 재료 밀도 차이가 큰 물체에서는 양상이 다를 수 있다. Le et al. [37]과 Lin et al. [45]을 따라 외관 기반 재료 예측으로 프리미티브의 상대 밀도를 결정할 수 있지만 kappa는 결정할 수 없다. 물체와 그림자를 분할하면 질량과 힘 계산 모두에서 그림자를 제외할 수 있다.출처: §5 · pp. 17–19
학습과 잠재 차원
- LaGSplat에서는 순차 적합과 공동 학습을 아직 비교 검증하지 않았으며, 잠재 차원은 수동으로 정하므로 과대 추정될 수 있다.Friedl et al. [14]은 공동 학습이 디코딩 후 예측에서 한 차수 규모의 우위를 보인다고 보고한 반면, Zhu et al. [81]은 연속 잠재 표현과 고정된 인코더를 사용해 표준적인 공동 학습 조합을 능가했다. 그러나 인코더가 서로 다르고 시뮬레이션 상태와 영상이라는 설정 차이도 있어 LaGSplat의 선택이 적절한지는 여전히 미해결이다. 차원은 물리 지식이나 재구성 오차 곡선이 꺾이는 지점에서 정하지만, Chen et al. [8]은 잠재 차원이 최소 상태 차원에 도달하기 전부터 재구성 성능이 저하된다고 보고한다.출처: §5 · p. 18
접촉, 충돌, 소성, 이력 현상
- 접촉과 충돌에는 호환되는 충돌 기하가 필요하며, 소성과 이력 현상에는 현재의 프레임별 인코더를 넘어서는 이력 의존 상태가 필요하다.미분 가능한 잠재 접촉 모델 [80]은 현재의 연속 상태 힘 브러시와 달리 J^T를 통해 프리미티브의 충격량을 전달할 수 있다. Wang et al. [69]은 가우시안 충돌 기하를 제공하지만, LaGSplat의 이방성 공분산을 보존하는 문제는 미해결이다. 소성은 Masi and Stefanou 를 따라 내부 변수, 자유 에너지, 소산을 추가해 다룰 수 있지만, 차원이 늘어나고 연속된 프레임 구간이 필요해진다. 미시적 내부 변수를 관측할 수 없을 때는 반응을 감독 신호로 학습하는 순환 모델 이 대안이 될 수 있다.출처: §5 · p. 18
시뮬레이터 연동, 제어, 다중 시스템
- 제안된 확장 방향에는 시뮬레이터 연동, 모델 기반 제어, 독립적인 다중 물체 동역학, 관절 구조나 명시적 제약이 있는 시스템이 포함된다.재학습 없이 시뮬레이터의 반력을 J^T를 통해 입력하고 프리미티브는 충돌 기하를 반환할 수 있다. 식별된 질량, 소산, 퍼텐셜, 구동 특성은 관절 인코더 없이도 소프트 로봇 제어를 지원할 수 있다 [34] [48]. 독립적인 물체는 서로 결합되지 않은 좌표 블록을 가져야 하며, 한 물체를 밀어도 다른 물체에 영향이 없는지 확인하는 검증을 통과해야 한다. 그러나 현재 손실 함수는 이런 구조를 유도하지 않으며, 각 물체의 상태 공간을 곱한 전체 상태 공간은 더 넓은 관측 범위를 요구한다. 라그랑지안 그래프 신경망 [6]은 관절 구조를 지원할 수 있지만, 현재는 알려지지 않은 제약의 위상 구조를 수용하기 위해 명시적 제약 [13]을 강제하지 않는다.출처: §5 · pp. 18–19
시스템 간 사전 지식과 공유 좌표계
- 시스템 간 운동학·동역학 사전 지식은 필요한 촬영량을 줄일 수 있지만, 시스템 전반에서 일관된 역할을 하는 잠재 좌표가 필요하다.운동학, 질량, 퍼텐셜, 소산에 대한 사전 지식은 [17] [73]과 같은 취지로 더 짧은 영상에서 시스템을 식별하게 할 수 있다. 좌표 불변적인 힘 전달은 공유 공간을 허용하지만, 그 자체로 좌표의 의미를 정렬하지는 않는다. NeuROK [17]은 공유 인코더를 학습한다. 고정된 DINOv2 [55]나 JEPA 방식의 영상 인코더 [71]도 운동을 담는 소수의 자유도를 특징에서 구분할 수 있다면 장면별 인코더 학습을 없앨 수 있다.출처: §5 · p. 18
6 결론
LaGSplat은 영상에서 저차원 물리 상태를 직접 학습하고, 디코더의 야코비안을 통해 재학습 없이 학습에서 보지 못한 힘을 가한다. 라그랑지안 사전 가정은 적용 범위를 제한하는 대신 유계이며 물리적으로 타당한 응답을 제공한다.
6 결론
- 단일 저차원 상태가 시간 매개변수화를 대체하며, 소산 라그랑지안의 일반화 좌표이자 명시적으로 표현된 움직이는 점들을 생성하는 디코더의 조건 변수로 쓰인다.상태에 대한 직접 감독 없이 영상만으로 학습 신호를 얻는다.출처: §6 · p. 19
- LaGSplat은 네 개의 좌표만으로 Krauss 등의 [35] 두 구간 연성 연속체 로봇에서 비교 대상 네 방법을 모두 능가한다. 기존에 발표된 기준 모델들은 열 개를 사용한다.평가에는 원저자들의 데이터, 분할, 프로토콜을 사용한다. 자유 매개변수 없이 디코더의 운동학에서 유도한 관성으로도 비교 모델 세 개를 능가한다.출처: §6 · p. 19
- 자유도가 하나에서 넷인 일곱 개의 실제 시스템에서, 촬영 중 해당 진동 모드가 가진된 경우 학습된 고유진동수는 영상에서 관측한 진동수와 몇 퍼센트 이내로 일치한다.출처: §6 · p. 19
- 천 초 후에도 GaussianPrediction 은 계속 궤도를 도는 반면, LaGSplat은 학습 중 한 번도 보지 못한 안정 평형에 도달한다.GaussianPrediction 은 역학적 구조가 없는 운동 예측 모델이다.출처: §6 · p. 19
- 학습 중 힘을 전혀 가하지 않았음에도, 학습에서 보지 못한 힘이 디코더의 야코비안을 통해 재학습 없이 학습된 운동방정식에 전달된다.힘은 영상의 어느 위치에나 가할 수 있으며, 다중 시점 감독을 사용하면 재구성된 체적 내부에도 가할 수 있다. 운동학이 힘의 방향과 형태를 결정하지만, 크기는 하나의 전역 에너지 계수에 의한 배율 차이까지만 식별할 수 있다.출처: §6 · p. 19
- 라그랑지안 사전 가정은 다룰 수 있는 시스템의 범주를 좁히는 대신, 학습에서 보지 못한 힘에도 유계이며 물리적으로 타당한 응답을 제공한다.출처: §6 · p. 19
A 유도
이 부록에서는 학습된 운동학이 힘과 관성을 전달하는 방식과 유계 응답에 관한 설명의 근거가 되는 에너지 수지를 유도한다.
A.1
- Section A.1에서는 학습된 운동학이 힘과 관성을 전달하는 방식을 유도한다.출처: A Derivations · p. 19
A.2
- Section A.2에서는 유계 응답에 관한 설명의 근거가 되는 에너지 수지를 유도한다.출처: A Derivations · p. 19
A 유도
- 이 부록은 Section 3에서 미뤄 둔 유도 과정을 정리한다.출처: A Derivations · p. 19
A.1 학습된 운동학에서 도출되는 힘과 관성
학습된 프리미티브 운동학은 일반화 힘과 운동에너지를 모두 결정한다. 힘의 전달은 잠재 좌표계와 무관하게 가상일을 보존하며, 존재 가중치는 관성이 배치에 따라 달라지게 한다.
힘의 전달
- 가해진 힘은 학습된 운동학적 야코비안을 통해 풀백되어, 가상일을 보존하고 모델의 에너지 수지를 만족하는 유일한 잠재 일반화 힘으로 변환된다.1단계에서는 해석역학의 입자 위치에 대응하는 각 프리미티브의 아핀 위치 사상을 학습한다. 프리미티브 i에 작용하는 힘 f는 J_i^T f가 된다.출처: §A.1 · p. 19
잠재 좌표계에 대한 불변성
- 사용자가 가한 힘에 대한 응답은 잠재 좌표 자체에 고유한 물리적 의미가 없어도 잠재 좌표의 매끄러운 변환에 불변이다.q = ψ(q̃)로 좌표를 변환하면 야코비안은 J_i Ψ가 되고 일반화 힘은 Ψ^T f_lat로 변환되어, 변환된 가상변위에 대한 일을 보존한다.출처: §A.1 · p. 19
동일한 사상이 관성도 결정
- 운동학적 야코비안이 상수여도, 동일한 프리미티브 질량에 정규화된 잠재 불투명도를 가중치로 적용하면 배치에 따라 달라지는 질량 행렬과 코리올리 항이 생긴다.프리미티브 속도는 μ̇_i = J_i q̇를 만족하므로 학습된 위치 사상에서 운동에너지가 도출된다. 질량 행렬의 상태 의존성은 모두 존재 가중치에서 비롯된다.출처: §A.1 · pp. 19–20
A.2 외력 응답의 유계성
관성이 양의 정부호이고 퍼텐셜이 강압적이며 감쇠가 엄격히 양수이면, LaGSplat의 자유 응답과 일정 외력에 대한 응답은 유계이며 평형으로 수렴한다. 이러한 연속시간 보장은 학습 데이터에서 멀리 벗어난 영역의 정량적 정확도까지 보장하지는 않는다.
가정
- 이 보장에는 양의 정부호 관성, 이차식 하한으로 강제되는 강압적 퍼텐셜, 균일하게 양수인 감쇠 하한이 필요하다.강압성이 없으면 에너지가 감소해도 부분준위집합이 비유계일 수 있어 위치가 계속 표류할 수 있다.출처: §A.2 · p. 20
자유 롤아웃
- 모든 자유 궤적은 유계를 유지하며 퍼텐셜의 유일한 최소점으로 수렴하므로, 학습과 무관하게 지속 진동이 배제된다.정지 상태가 아니면 에너지가 감소하며, LaSalle의 불변성 원리 에 따라 속도는 0으로, 위치는 퍼텐셜의 정지점으로 수렴한다. 하한이 설정된 ICNN 퍼텐셜의 강볼록성과 invex 구성은 각각 최소점의 유일성을 보장한다.출처: §A.2 · p. 20
지속 외력
- 일정한 일반화 힘은 ∂V/∂q = f를 만족하는 하중 평형으로 수렴하는 유계 응답을 만든다.하중을 반영한 에너지 E_f = T + V − f^T q는 주입 동력 항을 상쇄한다. 퍼텐셜의 이차식 하한이 선형 하중 항보다 우세하므로 강압성이 유지된다.출처: §A.2 · p. 20
적용 범위
- 이 보장은 연속시간에 관한 것이다. 심플렉틱 적분은 장시간 이산 롤아웃의 표류를 억제하지만, 유계성이 학습 데이터에서 멀리 벗어난 영역의 정량적 정확도를 뜻하지는 않는다.출처: §A.2 · p. 20
B 동일 예산에서의 변형장 디코더
프리미티브 수와 학습 조건이 같을 때, 변형장 디코더는 LaGSplat보다 매개변수를 더 많이 사용하지만 학습에 사용한 프레임의 재구성 정확도는 더 낮다. 프리미티브 속도의 불규칙성이 더 크다는 점은 렌더링이 비슷해 보여도 힘 전달과 관성에 의미 있는 미분값을 제공하지는 않을 수 있음을 보여준다.
디코더 매개변수화
- LaGSplat은 (n+d)D 공간에서 프리미티브를 조건화해 아핀 위치와 상수 야코비안을 얻는다. 반면 비교 방식은 Wu et al. 을 따라 신경망으로 n-D 프리미티브를 변형한다.변형장 계열은 LaGSplat의 매개변수화를 포함하며 프리미티브의 곡선 궤적도 표현할 수 있지만, 이 실험에서 추가 자유도는 영상 품질 향상으로 이어지지 않는다.출처: B Deformation-Field Decoder at Equal… · p. 20
물질 추적
- 물질 추적에는 지도 신호를 사용하지 않는다. LaGSplat의 궤적 제약은 프리미티브가 물질을 따라가도록 유도하지만, 변형장에서는 렌더링 손실 증가 없이 프리미티브가 서로를 대체할 수 있다.LaGSplat의 가시 프리미티브는 q에 대해 고정된 직선을 따라 이동하며, 잠재 게이팅에 의해 서서히 나타나거나 사라진다. 변형장에서는 중심과 크기가 자유롭게 변하므로, 한 프리미티브가 픽셀보다 작게 줄어드는 동안 다른 프리미티브가 그 자리에서 커질 수 있다.출처: B Deformation-Field Decoder at Equal… · p. 20
재구성
- 학습에 사용한 프레임에서 변형장의 0.0157 L1과 0.076 SSIM 항은 LaGSplat의 0.0142 L1과 0.063 SSIM 항보다 크다.두 방식 모두 15,000개 프리미티브와 동일한 손실, 정규화 항, 최적화 알고리즘, 학습 일정을 사용한다. 매개변수 수는 변형장 9.8M, LaGSplat 195k다. 이 평가는 일반화가 아니라 사용된 모델 용량을 측정한다.출처: B Deformation-Field Decoder at Equal… · p. 20
야코비안 장
- 렌더링은 시각적으로 비슷하지만, 인접 프리미티브 간 속도 차이의 중앙값은 변형장에서 6.9 px/s로 LaGSplat의 1.4 px/s와 대비된다.변형장은 정적인 배경 위에서도 프리미티브를 움직인다. 이러한 미분값은 가해진 힘의 풀백과 추론된 관성을 모두 결정하므로, 재구성 품질만으로는 물리적 유용성을 입증할 수 없다.출처: B Deformation-Field Decoder at Equal… · pp. 20–21, Figure 11 · p. 21
C 구현 세부 사항
LaGSplat은 모든 시스템에서 같은 아키텍처를 사용하되, 차원, 이미지 해상도, 프리미티브 수, 실행 길이는 시스템별로 설정한다. 먼저 인코더와 디코더를 공동 학습한 뒤, 백색화하고 고정한 잠재 좌표계에서 동역학을 학습한다.
아키텍처
- 모든 시스템이 아키텍처를 공유하며, 잠재 차원, 이미지 해상도, 프리미티브 수, 실행 길이는 시스템마다 다르다.연속성 보존 합성곱 인코더 [81]는 12×12 필터, 채널 2개, ELU 활성화를 사용하는 보폭 2의 합성곱 층 3개에 이어 4×4 평균 풀링과 선형 잠재 공간 매핑을 적용하며, 매개변수는 총 약 2,000개다. 디코더는 차원이 n + d인 가우시안 1,000–15,000개로 구성된다.출처: C Implementation Details · p. 21
- 15,000개 미만의 매개변수로 정의되는 LNN은 퍼텐셜 ICNN [2], 학습된 질량 및 감쇠 행렬, 챔버별 구동 헤드를 결합한다.퍼텐셜은 [64] softplus 층을 사용하며, invex성이 필요하면 Lipschitz 상한이 0.9이고 너비가 64인 2블록 i-ResNet을 사용한다. 별도의 [64] MLP들이 SPD 하한이 0.1인 질량 행렬의 Cholesky 인자와, 0.2 I로 초기화하고 등방성 하한을 1로 둔 완전 감쇠 행렬을 출력한다. 각 챔버에는 invex ICNN 구동 헤드가 있다.출처: C Implementation Details · p. 21
학습
- 1단계에서는 약 5 × 10^4회의 Adam 갱신으로 인코더와 디코더를 공동 학습하며, 불투명도가 낮은 가우시안을 주기적으로 재활용한다.손실은 0.08 L1 + 0.02 (1 − SSIM) + 0.01 이방성이며, SSIM 윈도 크기는 7×7이다. 최대 불투명도가 0.02 미만인 가우시안은 과부하된 프리미티브를 공분산의 주고유벡터 방향으로 분할하거나 오차가 큰 영역으로 이동시켜 재활용한다. 다중 시점 감독에서는 프레임당 SHARP 렌더링 이미지 65장을 한 번 계산해 캐시한다.출처: C Implementation Details · p. 21
- 2단계에서는 클립 구간에 미분 가능한 Verlet 적분 한 스텝을 적용하며, 약 5 × 10^4회의 Adam 갱신으로 동역학만 학습한다.1단계가 끝나면 학습 프레임으로 공분산 기반 잠재 공간 백색화를 계산하고 좌표계와 함께 고정한다. 2단계에서는 릿지 항 ρ = 0.01을 둔 가시성 계량에서 잠재 위치와 속도에 같은 가중치를 부여한다. 고해상도 렌더링을 위해서는 고정된 좌표계에서 디코더만 재학습한다.출처: C Implementation Details · p. 21
Related papers
This paper cites
- NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis2020
- Neural Ordinary Differential Equations2018
- Fourier Neural Operator for Parametric Partial Differential Equations2020
- D-NeRF: Neural Radiance Fields for Dynamic Scenes2020
- Learning to Simulate Complex Physics with Graph Networks2020
- Hamiltonian Neural Networks2019