接触の多いロボットダイナミクスは本質的にハイブリッドです。単一の観測が複数の潜在状態や接触レジーム（自由、衝突、スティックスリップ）に対応する可能性があります。標準的な償却フィルタが実現可能な接触遷移に確率を割り当てない場合、ロボットが実際に従うブランチを永久に失ってしまいます。この問題を解決するために、研究者らはVHYDROを提案しました。これは変分ハイブリッドダイナミクス学習器であり、サンプリングと重要度重み付けの前に、学習された提案分布を実現可能な遷移則と混合します。これにより、モデル実現可能キャリアによって保持されるすべての遷移がカバーされることが保証されます。VHYDROは連続潜在状態と離散接触モードを同時に推論し、回復された各レジームに対してスパースポート・ハミルトニアン則を適合させます。
VHYDROは3つの相互に関連する理論的保証を提供します。支持カバレッジはフィルタリングを安定化させ、安定化されたフィルタは離散接触事後分布を一貫したレジームに集中させ、モード純粋セグメントはスパースポート・ハミルトニアン回復を可能にします。回復誤差は、フィルタリング誤差、導関数誤差、モード不純物誤差、物理残差誤差に明確に分解できます。これらの保証は、フィルタリングの安定性と物理法則回復の精度を理論的に結びつけます。
実験では、VHYDROは3つの主要な発見でそのメカニズムを検証しました。まず、激しいオクルージョンの下でも、支持安全フィルタは使用可能であり続ける一方、非防御的な提案は崩壊します。次に、ManiSkillのデモンストレーションと4つのSawyer/BridgeDataタスクファミリにおいて、離散状態は時間的に一貫した接触レジームセグメントを形成し、調整ランド指数（ARI）、変化点F1、セグメント純度などの指標で、事後およびモードフリーベースラインよりも強いジョイントプロファイルを生み出します。最後に、方程式が既知のハイブリッドシステムでは、モード条件付きスパースフィットがアクティブな物理項を回復しますが、純粋な予測ベースラインではそれができません。これらの結果は、接触の多いロボット操作におけるVHYDROの可能性と堅牢性を示しています。