Обычная карта помещения говорит роботу, где находится дверь, но не сообщает, насколько тяжело она открывается и в какую сторону движется. Дибьенду Гхош предложил метод хранения вероятностных представлений о механике подвижных деталей прямо в карте сцены. После измеренного усилия система обновляет знания, а планировщик спрашивает, допустимо ли действие при заданном риске.

Наблюдать движение недостаточно, чтобы однозначно восстановить динамику предмета. Даже измеренное подтягивание раскрывает сведения лишь об испытанной детали и направлении. Поэтому алгоритм хранит распределение возможных свойств, переносит часть информации на похожие непроверенные детали и может отказаться от ответа при недостатке доказательств.

В экспериментах с дверями и ящиками 18 домов тип соединения определялся в 86% отложенных попыток против 48% у метода по одному изображению. Ошибка прогноза реакции на тягу составила CRPS 0,323 против 0,544 у дифференцируемой симуляции, а расчёт занимал 13 миллисекунд вместо 230 секунд на случай. Это результаты конкретных испытаний^[1], а не универсальная гарантия безопасности.

Важное различие — один раз выполнить действие и уверенно повторять его в разных условиях. Представь, что ты ищешь дорогу в незнакомом музее: запомнить один поворот недостаточно, если проход закрыли. Робота тоже нужно проверять с другими предметами и в немного изменённой обстановке. Числа в исследовании относятся только к описанному испытанию. Полезно спросить, где система ошибалась, помогал ли человек и что изменилось между тренировкой и проверкой. Так можно понять, чему действительно научилась машина, не принимая красивую демонстрацию за готовое решение. Сила, направление движения и уровень неопределённости должны оставаться измеряемыми величинами. Важно отдельно проверить последствия ошибочного разрешения действия. Для справки: разработчики назвали эту систему PhysVLMM.