Hierarchical Diffusion Motion Planning with Task-Conditioned Uncertainty-Aware Priors

Resumen Técnico: Planificación de Movimiento por Difusión Jerárquica con Priors Conscientes de la Incertidumbre Condicionados a la Tarea

1. El Problema

Los modelos de difusión han demostrado gran flexibilidad en la planificación de movimientos robóticos, pero la mayoría de los enfoques existentes utilizan un proceso de corrupción (ruido) predeterminado basado en ruido gaussiano isotrópico de media cero. Este enfoque ignora las propiedades intrínsecas de las trayectorias robóticas, como:

• Suavidad temporal: La evolución consistente a lo largo del tiempo para garantizar la viabilidad dinámica.
• Estructura de la tarea: Condiciones impuestas externamente, como estados iniciales, objetivos, waypoints o restricciones de fase (ej. agarrar y soltar).

Los métodos actuales intentan incorporar esta estructura mediante condicionamiento o guía durante la inferencia, pero no modifican el proceso de generación de ruido en sí mismo. Esto puede llevar a trayectorias menos suaves, menor tasa de éxito y una ineficiencia en el entrenamiento, ya que el modelo debe aprender desde cero a respetar estas restricciones sin un "sesgo inductivo" fuerte en el prior.

2. Metodología

Los autores proponen un planificador de difusión jerárquico de dos niveles que incrusta la estructura de la tarea y el movimiento directamente en el modelo de ruido, utilizando un prior gaussiano estructurado y no isotrópico.

• Nivel Superior (Predicción de Estados Clave):

  • Un módulo de difusión superior predice estados clave dispersos (ej. waypoints, estados de contacto, agarrar/soltar) y sus tiempos asociados.
  • Estos estados se tratan como observaciones suaves con incertidumbre explícita, en lugar de restricciones duras.
  • La salida de este nivel (matriz de selección $C$ y estados $Y$) se utiliza para instanciar el prior del nivel inferior.

• Nivel Inferior (Generación de Trayectoria con Prior Estructurado):

  • En lugar de un prior gaussiano isotrópico, el nivel inferior utiliza un Gaussian Process Motion Planning (GPMP) condicionado a los estados clave del nivel superior.
  • Se construye un prior gaussiano no isotrópico con media $\xi$ y covarianza $K$, derivados de la condicionamiento de un Proceso Gaussiano de Tiempo Lineal Variable (LTV-GP) sobre los estados clave.
  • Proceso de Difusión: Se generaliza el proceso de difusión estándar (DDPM) para permitir una corrupción sesgada y no isotrópica. La ecuación de corrupción se modifica para incluir la media $\xi$ y la covarianza $K$ condicionadas a la tarea.
  • Entrenamiento: Se utiliza una función de pérdida de tipo Mahalanobis ($L(\theta) = \mathbb{E}[\|\tilde{\mu}_i - \mu_\theta\|^2_{K^{-1}}]$), que pondera los errores según la inversa de la covarianza condicionada a la tarea. Esto obliga al modelo a mantener la consistencia temporal y dinámica impuesta por el GP.

• Inferencia:

  1. El nivel superior genera los estados clave y tiempos.
  2. Se calcula el prior condicional $(\xi, K)$ mediante fórmulas cerradas de GP.
  3. El nivel inferior inicia la difusión inversa desde una distribución $N(\xi, K)$ (en lugar de $N(0, I)$) y denoisa la trayectoria completa bajo este prior fijo.

3. Contribuciones Clave

1. Planificador Jerárquico con Priors Estructurados: Un marco donde el nivel superior infiere estados clave y el nivel inferior denoisa bajo un prior basado en GPMP. Esto permite suavidad y satisfacción de restricciones sin imponer restricciones duras que podrían causar fallos de muestreo.
2. Formulación de Difusión con Ruido No Isotrópico: Una generalización del DDPM que utiliza un ruido gaussiano condicionado a la tarea (media y covarianza variables). Esto proporciona expresiones cerradas para las marginales y posteriors, permitiendo un entrenamiento variacional eficiente con una pérdida de Mahalanobis que generaliza el MSE estándar.
3. Validación Empírica: Demostración de que reparametrizar el prior de ruido (en lugar de solo condicionar la red neuronal) concentra la masa de probabilidad cerca de trayectorias factibles y semánticamente significativas, mejorando la eficiencia del entrenamiento y la calidad de la salida.

4. Resultados

El método se evaluó en dos dominios: Maze2D (alcanzar un objetivo en un laberinto) y KUKA Block Stacking (apilar bloques con un brazo robótico de 7 grados de libertad). Se comparó contra:

• Diffuser estándar (ruido isotrópico).
• Diffuser + Condicionamiento de claves (ruido isotrópico, pero condicionado a estados clave).
• EDMP (Difusión con guía de costos basada en modelos).

Hallazgos principales:

• Tasa de Éxito: El modelo propuesto superó consistentemente a todos los baselines.
  • Maze2D: 81/100 éxitos (vs. 48-56 de los baselines).
  • KUKA Stacking: 70/100 éxitos (vs. 28-34 de los baselines).
• Suavidad y Consistencia Dinámica: Las trayectorias generadas mostraron una mayor suavidad (menor "Average Roughness") y una consistencia mucho mejor entre posición y velocidad (menor error absoluto medio en velocidad), lo que indica una mayor viabilidad dinámica.
• Eficiencia en el Entrenamiento: El modelo alcanzó la suavidad del conjunto de datos y altas tasas de éxito en etapas mucho más tempranas del entrenamiento en comparación con los baselines, que requerían mucho más tiempo para converger.
• Ablación: Los experimentos mostraron que la estructura del ruido es más beneficiosa que el condicionamiento neuronal por sí solo (el modelo "Diffuser + KeyCond" con ruido isotrópico no logró el mismo rendimiento).

5. Significado

Este trabajo representa un cambio de paradigma en la planificación por difusión robótica. En lugar de tratar la estructura de la tarea como una guía externa o un condicionamiento pasivo, incrusta la física y la semántica de la tarea directamente en la distribución de ruido del modelo generativo.

• Robustez: Al tratar los estados clave como observaciones suaves con incertidumbre, el sistema es robusto a predicciones imperfectas del nivel superior, evitando el rechazo de muestras o la necesidad de proyecciones costosas.
• Eficiencia: Reduce la carga de aprendizaje del modelo al proporcionar un prior informático fuerte, acelerando la convergencia y reduciendo los costos computacionales de entrenamiento.
• Generalización: El enfoque es agnóstico a cómo se obtienen los estados clave (reglas, modelos o aprendizaje), lo que lo hace adaptable a sistemas robóticos complejos y tareas de alto nivel.

En resumen, la propuesta demuestra que diseñar el proceso de corrupción (ruido) para reflejar la estructura del problema es fundamental para lograr planificación robótica de alta calidad, factible y eficiente.