Continuum Robot Modeling with Action Conditioned Flow Matching

Resumen Técnico: Modelado de Robots Continuos con Flujo Condicionado por Acción

Enunciado del Problema
Predecir la forma en estado estacionario de los Robots Continuos Accionados por Tendones (TDCR) a partir de comandos de actuación es un desafío persistente debido a la deformación continua, el enrutamiento complejo de los tendones, la compliancia, la fricción, la histéresis y la variabilidad en la fabricación. Los modelos cinemáticos clásicos (por ejemplo, curvatura constante) ofrecen interpretabilidad pero a menudo fallan en capturar detalles complejos de la deformación, mientras que los modelos basados en mecánica (por ejemplo, varillas de Cosserat) requieren una identificación extensa de parámetros y calibración. Además, los enfoques basados en datos existentes a menudo se centran en la estimación de estados de baja dimensión o en la renderización en el espacio de imágenes, en lugar de predecir directamente una geometría 3D densa y de cuerpo completo a partir de la actuación. Los autores plantean esto como un problema de autocodificación cuasi-estática condicionada por acción: dado un estado de actuación de motor o tendón, predecir la geometría 3D asentada del robot sin intentar recuperar parámetros físicos intermedios (como la rigidez del material o las fuerzas de los tendones) ni trayectorias de deformación transitorias.

Metodología
El marco propuesto aprende una mapeo desde estados de actuación hacia nubes de puntos 3D densas utilizando Flujo Condicionado por Acción.

1. Representación de Datos: Las configuraciones del robot se representan como nubes de puntos densas e invariantes a la permutación ($N$ puntos) reconstruidas a partir de observaciones RGB-D sincronizadas (XYZ o XYZ+RGB). Esto evita los modelos paramétricos de forma diseñados a mano y captura el doblado y torsión de cuerpo completo.
2. Formulación de Flujo Condicionado: En lugar de regredir un mapeo determinista, el modelo aprende un campo de velocidad condicional $u_\theta(X, t | c)$ en el espacio de nubes de puntos.
   • Prior: Una distribución previa simple gaussiana $p_0 = \mathcal{N}(0, \sigma^2 I)$.
   • Objetivo: La distribución de formas de robot asentadas asociadas con una condición específica $c$ (comandos de motor normalizados y, opcionalmente, carga útil).
   • Entrenamiento: El modelo se entrena para predecir la velocidad de transporte que mueve las muestras desde la distribución previa hacia la distribución objetivo a lo largo de una trayectoria de interpolación recta $X_t = (1-t)X_0 + tX_1$. La pérdida minimiza la norma de Frobenius entre la velocidad predicha y la velocidad de transporte objetivo ($X_1 - X_0$).
   • Inferencia: Una nube de puntos en estado estacionario se genera integrando la Ecuación Diferencial Ordinaria (ODE) aprendida desde $t=0$ (ruido) hasta $t=1$ (forma predicha) utilizando el método de Heun (RK2). La variable de integración es un tiempo de transporte generativo, no tiempo físico.
3. Arquitecturas de Red: Se evalúan dos arquitecturas equivariantes a la permutación para el campo de velocidad:
   • MLP: Un Perceptrón Multicapa ligero que procesa los puntos independientemente con embeddings de condición global inyectados mediante capas FiLM.
   • Híbrido PVConv: Aumenta el MLP con un módulo de Convolución Punto-Voxel (PVConv) multi-escala para capturar el contexto geométrico local, empleando una mezcla controlada por tiempo entre características globales y locales.
4. Condicionamiento: El vector de condición $c$ incluye comandos de motor normalizados. En simulación, esto se extiende para incluir una magnitud escalar de carga útil en la punta para probar la predicción condicionada por carga útil.

Contribuciones Clave

• Hardware y Pipeline: Una plataforma TDCR 3D impresa ligera y configurable (instanciada como robots de 2 y 3 módulos) y un pipeline de recolección de datos RGB-D multicámara sincronizado para datos de autocodificación en el mundo real.
• Algoritmo: Un marco de flujo condicionado por acción que predice geometría 3D asentada densa de robots directamente desde estados de actuación de motor, operando en el espacio de nubes de puntos en lugar del espacio de imágenes o de parámetros de baja dimensión.
• Evaluación: Una prueba sistemática en simulación MuJoCo (variantes de 2, 3 y 5 módulos) y en hardware real, comparando contra líneas base basadas en puntos (PointFlow) y basadas en vistas (VSM, NeRF/FFKSM, 3D Gaussian Splatting).
• Extensión: Demostración de que la formulación condicional se generaliza para incluir la magnitud escalar de carga útil en la punta como entrada de condición en simulación.

Resultados Experimentales

• Simulación: El método propuesto (específicamente la arquitectura Híbrida) logró la menor Distancia de Chamfer (CD) y Distancia del Movimiento de la Tierra (EMD) en todas las morfologías simuladas (2, 3 y 5 módulos). Redujo la CD en aproximadamente 64–96% y la EMD en 50–83% en comparación con las líneas base no propuestas más fuertes.
• Hardware Real: En robots reales de 2 y 3 módulos, el método superó a las líneas base, reduciendo la CD en un 33.5% (2 módulos) y un 20.3% (3 módulos) en relación con PointFlow, y mejorando significativamente la EMD.
• Análisis Cualitativo: A diferencia de los métodos basados en vistas (NeRF, 3DGS), que tuvieron dificultades con la geometría de cuerpos delgados o la calidad de la máscara, y de PointFlow, que produjo muestras difusas en la región distal, el método propuesto mantuvo una geometría más limpia en la punta y el cuerpo.
• Condicionamiento por Carga Útil: En simulación, el modelo predijo con éxito los cambios de forma bajo cargas útiles variables en la punta, demostrando la capacidad de incorporar variables de estado cuasi-estáticas adicionales.

Significado y Afirmaciones
El artículo afirma presentar un marco de autocodificación basado en datos que predice efectivamente la geometría cuasi-estática de TDCR a partir de la actuación sin requerir identificación explícita de parámetros físicos. El significado radica en:

1. Predicción Directa de Geometría: Ir más allá de estados de columna vertebral dispersos o renderizado de imágenes para proporcionar una representación directa y densa de nubes de puntos 3D adecuada para la planificación y la verificación de colisiones.
2. Robustez: Lograr una precisión superior sobre líneas base generativas tanto basadas en puntos como basadas en vistas, tanto en simulación como en entornos del mundo real.
3. Modularidad: Se demuestra que el marco es adaptable a diferentes morfologías de robots (conteo de módulos) y puede incorporar variables de estado adicionales (como la carga útil) cuando hay datos disponibles.

Limitaciones y Alcance
Los autores declaran explícitamente que el método apunta a la predicción cuasi-estática a nivel de observación, no a dinámicas transitorias o simulación física. Los experimentos en el mundo real se limitaron a robots de 2 y 3 módulos, mientras que los resultados de 5 módulos y condicionados por carga útil fueron solo de simulación. La extensión de carga útil utiliza una carga escalar alineada con la gravedad y no afirma manejar contactos arbitrarios, torque fuera de eje, cargas distribuidas o transferencia cero-shot a través de diseños de robots no vistos. El trabajo se posiciona como una base para futuras investigaciones sobre modelado de contacto más rico e integración de control en bucle cerrado.