TacSE3: Equivariant SE(3) Motion Estimation from Low-Texture Visuotactile Images for In-Gripper Tracking and Compensation

ملخص تقني: TacSE3 – تقدير الحركة المتسقة مع SE(3) من الصور اللمسية البصرية ذات الملمس المنخفض

بيان المشكلة
تواجه عمليات التحكم في اليد الروبوتية أثناء المناولة المتكررة سيناريوهات يفشل فيها التتبع البصري بسبب الانسداد أو نقص الميزات البصرية البارزة. وبينما توفر المستشعرات اللمسية القائمة على الرؤية (VBTS) بديلاً واعداً للتفاعل الغني بالاتصال، فإن خطوط معالجة تقدير الحركة التقليدية التي تعتمد على ملمس الصورة، أو تتبع العلامات، أو التدفق البصري الكثيف، تواجه صعوبات مع الأجسام ذات الملمس المنخفض أو المتماثل (مثل الكرات المصقولة). في هذه الظروف، تؤدي حركات الدوران الطفيفة إلى تغييرات طفيفة في المظهر، مما يجعل طرق المطابقة (correspondence-based methods) غير موثوقة. علاوة على ذلك، تعاني إعدادات المستشعر الواحد غالباً من الغموض بين الحركات الانتقالية والدورانية، حيث يمكن لكليهما إنتاج أنماط تشوه محلية متشابهة. تعالج الورقة تحدي بناء تقدير حركة SE(3) موثوق مباشرة من الصور اللمسية ذات الملمس المنخفض دون الاعتماد على مطابقة الملمس الصريحة.

المنهجية: مسار عمل TacSE3
يعيد الأسلوب المقترح، TacSE3، صياغة الصورة اللمسية ليس كمدخل بصري ذي ملمس، بل كقياس هندسي للاتصال. يمر المسار عبر المراحل التالية:

1. بناء حقل القوة ثلاثي الأبعاد المنفصل:
   بدلاً من تتبع الميزات الصورية، تعالج الطريقة الملاحظات اللمسية الخام لإعادة بناء حقل قوة ثلاثي الأبعاد كثيف. باستخدام مستشعر (DM-Tac) ذي النمط اللوني الكثيف، يقوم النظام بتفكيك الاستجابة اللمسية إلى مكونات مماسية (قص) وعمودية. ويتم تحقيق ذلك عبر تفكيك "هلمهولتز-هودج" (Helmholtz–Hodge decomposition) للحقل الإزاحي المستوي، مما يفصل المكونات الخالية من الدوران (التباعد - divergence-free) والمكونات الخالية من التباعد (الدوران - curl-free) لاشتقاق التوزيعات المكانية للقوى العمودية والقصية.

2. توليد نقطة الاتصال ووكيل الحركة:
   يحدد النظام مناطق الاتصال النشطة بناءً على الاستجابة العمودية الكبيرة. لكل بكسل صالح، يتم بناء نقطة اتصال ثلاثية الأبعاد في الإطار اللمسي المحلي. وتُعاير استجابات القوة المماسية والعمودية لتعمل كوكيل سرعة محلي، مما يقرب الحركة اللحظية لنقطة الاتصال.

Է3. تقدير الجسم الصلب SE(3):
يتم نمذجة وكلاء السرعة المحلية باستخدام معادلة الجسم الصلب الدورانية ($v = \omega \times q + t$). تستخدم عملية التقدير استراتيجية فصل محددة:

• الانتقال: يتم اشتقاق الانتقال المستوي حصرياً من حركة مركز ثقل الاتصال على مستوى المستشعر، بدلاً من ملاءمتها بشكل مشترك مع الدوران.
• الدوران: يتم تقدير الدوران بشكل منفصل عن طريق ملاءمة قيود الحركة المرتبطة بالقص لنموذج الجسم الصلب.
  يمنع هذا الفصل مشكلة سوء التحديد (ill-conditioning) التي توجد غالباً في مسائل المربعات الصغرى المزدوجة بين الانتقال والدوران، ويوفر إشارة قابلة للتفسير فيزيائياً.

4. التكامل الزمني والتكافؤ (Equivariance):
   يتم دمج الالتواء (twist) اللحظي المقدر عبر الزمن باستخدام الخريطة الأسية (exponential map) على متشعب SE(3) لإنتاج مسار وضعية مستمر. يضمن الأسلوب اتساق الإحداثيات المتكافئ: حيث يتم تعريف الحركة المقدرة في إطار النهاية الطرفية (end-effector frame)، مما يضمن أن حركة الجسم الأساسية نفسها تنتج تقديرات متسقة بغض النظر عن التغيرات في الوضع العالمي للروبوت أو موقع الاتصال المحدد على المستشعر.

5. دمج المستشعرات المزدوجة:
   لحل الغموض بين الانتقال والدوران، يستخدم النظام مستشعرين لمسيين مثبتين على أصابع القابض المتقابلة. ومن خلال تطبيق تحويل مصفوفة الإشارة لمراعاة أطر الإحداثيات المرآتية، يقوم النظام بدمج تقديرات الالتواء. وهذا يسمح للنظام بالتمييز بين الحركة الانتقالية (التي تنتج اتجاهات قوة متسقة عبر المستشعرات) وحركة الدوران (التي تنتج أنماط قوة متضادة).

6. تكامل التحكم في البواقي (Residual Control):
   يتم التعامل مع حركة SE(3) المقدرة كباقي هندسي لمسي (tactile geometric residual). ويتم دمجها مع سياسة أساسية موجودة (مثل Transformer مع Action Chunking) كإشارة معالجة لاحقة خفيفة الوزن ($u_{final} = u_{policy} + \Delta u_{tactile}$) لتنقية إجراءات الروبوت دون إعادة تدريب السياسة الأساسية.

المساهمات الرئيسية

• صياغة الحالة الهندسية: تصيغ الورقة تقدير الحالة اللمسية إلى SE(3) للمستشعرات ذات الملمس المنخفض كمسألة تقدير حالة هندسية متمحورة حول حركة الجسم الصلب المحلية، مبتعدة عن مطابقة المراسلات المعتمدة على الملمس.
• تفكيك حقل القوة: تقترح مسار عمل يفكك الملاحظات اللمسية الخام إلى حقل قوة ثلاثي الأبعاد ويعيد بناء التواء الجسم الصلب عبر نموذج SE(3) قائم على الفيزياء، وتحديداً عبر فصل الانتقال القائم على المركز عن الدوران القائم على القص.
• تقليل غموض المستشعر المزدوج: يوضح العمل أن إعدادات المستشعرات المزدوجة تقلل بشكل كبير من الغموض بين الانتقال والدوران مقارنة بإعدادات المستشعر الواحد.
• التعويض خفيف الوزن: توفر الطريقة إشارة دوران يمكن إلحاقها كوحدة معالجة لاحقة لتحسين القدرة على تحمل الاضطرابات في مهام المناولة في مرحلة ما بعد المعالجة دون تعديل سياسة التحكم الأساسية.

النتائج التجريبية
أجريت التجارب باستخدام روبوت UR5 مجهز بمستشعرات DM-Tac مزدوجة:

• دقة الدوران: تحت عمليات دوران محكومة لكرة ممسوكة (30 درجة، 60 درجة، 90 درجة) عبر ثلاثة محاور ($r_x, r_y, r_z$)، حققت الطريقة أخطاء زاوية متوسطة تتراوح بين ~3 درجات لتدوير 30 درجة إلى ~12 درجة لتدوير 90 درجة. ويُعزى نمو الخطأ إلى تراكم الانجراف (integration drift) وعدم الخطية في الاتصال عند الزوايا الكبيرة.
• المستشعر الواحد مقابل المزدوج: في اختبارات الحركة الانتقالية الصرفة، أظهر تكوين المستشعر الواحد انحرافاً دورانياً كبيراً (حوالي 9-10 درجات)، بينما قلل تكوين المستشعر المزدوج هذا الانحراف إلى حوالي 1.1-1.5 درجة، مما يثبت الفصل الفعال.
• التعميم: حافظت الطريقة على معدلات خطأ منخفضة (2.6 درجة - 4.0 درجة) عبر أجسام متنوعة ذات هندسات مختلفة (كرات، أسطوانات، أشكال غير منتظمة) وملامس سطحية متنوعة (ناعم، منقوش، خشب، بلاستيك)، مما يؤكد المتانة في ظروف الملمس الفقير.
• الأداء على مستوى السياسة: في المهام التي تتضمن اضطرابات بشرية (الرسم، إدخال الترس، الثقب والوتد)، أدى تمكين المعالج اللمسي اللاحق إلى تحسين معدلات النجاح تحت تأثير التداخل مقارنة بالسياسة الأساسية وحدها (على سبيل المثال، تحسن إدخال الترس من 20% إلى 35% نجاح تحت التداخل).

الأهمية والادعاءات
تزعم الورقة أن TacSE3 توفر جسراً هندسياً عملياً بين الاستشعار البصري اللمسي منخفض الملمس والمناولة الغنية بالاتصال داخل القابض. ومن خلال إعطاء الأولوية لهندسة الاتصال بدلاً من مظهر الصورة، تحقق الطريقة تقديراً موثوقاً للحركة حيث تفشل الطرق البصرية أو اللمسية التقليدية المعتمدة على الملمس. ويؤكد المؤلفون أن النهج لا يهدف إلى استبدال الرؤية العالمية أو توفير تقدير كامل لحالة الجسم للأجسام الجديدة عبر آفاق زمنية طويلة، بل يعمل كوحدة قوية، قابلة للتفسير، وخفيفة الوزن لتتبع الحركة المحلية والتعويض، وهي قيمة بشكل خاص للأجسام الناعمة أو المتماثلة أو المحجوبة حيث تكون الرؤية غير موثوقة. وتضمن طبيعة المخرجات المتكافئة بقاء الإشارة متسقة مع التحكم اللاحค์ي بغض النظر عن موقع الاتصال المحدد أو وضعية الروبوت.