SI-Diff: A Framework for Learning Search and High-Precision Insertion with a Force-Domain Diffusion Policy

Resumen Técnico: SI-Diff: Un Marco para Aprender Búsqueda e Inserción de Alta Precisión con una Política de Difusión en el Dominio de la Fuerza

Enunciado del Problema
El ensamblaje rico en contactos, particularmente las tareas de inserción de pasador en agujero, enfrenta desafíos significativos debido a incertidumbres en los poses relativos, como desalineaciones y holguras pequeñas. Los enfoques existentes suelen tratar la fase de "búsqueda" (resolver grandes desalineaciones en x–y) y la fase de "inserción de alta precisión" (resolver atascos en holguras pequeñas) como problemas separados que requieren estrategias distintas o cambios de modelo. Aunque el servocontrol visual puede lograr una alineación gruesa, su precisión suele ser insuficiente para tareas con holguras submilimétricas, lo que hace necesarias los métodos basados en fuerza. Los métodos actuales del estado del arte, como TacDiffusion [1], sobresalen en la inserción de alta precisión pero asumen que el pasador y el agujero ya están generalmente alineados, fallando cuando las desalineaciones iniciales superan los 2 mm. Por el contrario, las estrategias de búsqueda a menudo carecen de la adaptabilidad para transicionar sin problemas hacia la inserción de precisión. Existe la necesidad de un marco unificado capaz de aprender y ejecutar ambos patrones de acción distintos sin cambiar de modelo ni de pesos.

Metodología
Los autores proponen SI-Diff, un marco que unifica la búsqueda y la inserción de alta precisión dentro de una única política de difusión en el dominio de la fuerza.

• Arquitectura del Sistema: El sistema emplea un controlador de impedancia basado en fuerza de adelanto. El modelo aprende a generar fuerzas de adelanto ($F_{ff}$) basándose en observaciones táctiles y cinemáticas. El estado de entrada incluye el wrench externo ($\tau_{ext}$), el wrench interno ($\tau_{in}$) y las velocidades del efector final ($v_e$) de los cuadros actuales y anteriores.
• Política de Difusión en el Dominio de la Fuerza: El núcleo es un Modelo Probabilístico de Difusión de Eliminación de Ruido (DDPM) que mapea el ruido gaussiano a la distribución objetivo de $F_{ff}$. El modelo se entrena para predecir el ruido añadido en cada paso de difusión, condicionado al estado del robot.
• Mecanismo de Condicionamiento de Modo: Para permitir que un solo modelo maneje dos comportamientos distintos (búsqueda e inserción), los autores introducen un mecanismo de condicionamiento de modo. Inspirado en la tokenización del procesamiento del lenguaje natural, los índices de modo discretos (0 para búsqueda, 1 para inserción) se incrustan en vectores aprendibles de alta dimensión. Estos tokens de modo se antepone a la secuencia de tokens del estado del robot, permitiendo que el modelo de difusión aprenda patrones de acción distintos basados en el prompt de modo especificado.
• Políticas Docente:
  • Docente de Búsqueda: Se desarrolla una nueva política basada en reglas para generar trayectorias de búsqueda diversas. A diferencia de las búsquedas en espiral fijas, esta política randomiza parámetros (por ejemplo, dirección de búsqueda, amplitud, frecuencia) y se adapta basándose en fuerzas externas para asegurar una exploración eficiente. Solo retiene demostraciones exitosas y eficientes (completadas dentro de los 2.5 segundos) para el entrenamiento.
  • Docente de Inserción: El marco utiliza el método de inserción táctil autoadaptativo de [2] (y TacDiffusion [1]) como docente para la fase de inserción. Esta política detecta estados "atascados" mediante el monitoreo de la fuerza residual y aplica movimientos sinusoidales de vibración para escapar de los atascos.
• Estrategia de Entrenamiento: El modelo se entrena en un conjunto de datos que comprende 300 demostraciones exitosas de búsqueda y 1.500 demostraciones de inserción. Para abordar el desequilibrio de clases, se emplea el Muestreo de Lotes Equilibrados (BBS).

Contribuciones Clave

1. Marco Unificado: Desarrollo de un marco novedoso (SI-Diff) que aprende tanto la búsqueda como la inserción de alta precisión utilizando una única política de difusión en el dominio de la fuerza, eliminando la necesidad de cambiar de modelo.
2. Condicionamiento de Modo: Diseño de un nuevo mecanismo de condicionamiento que permite al modelo realizar patrones de acción distintos (búsqueda exploratoria frente a vibración de precisión) basándose en un prompt de modo, permitiendo el aprendizaje simultáneo de ambas tareas.
3. Docente de Búsqueda Diverso: Creación de una política docente de búsqueda efectiva que genera trayectorias diversas y randomizadas, facilitando la recolección eficiente de datos y el aprendizaje robusto de mapeos wrench-acción.

Resultados Experimentales
Los experimentos se realizaron utilizando un robot Franka Emika de 7 grados de libertad (DoF) con un pasador prismático de 0.1 mm de holgura para el entrenamiento. El método se evaluó frente a TacDiffusion [1], variantes basadas en reglas (Teacher-D, Teacher-R) y FORGE [3] en nueve formas (incluyendo geometrías no vistas como prismas hexagonales/prismas, cilindros y conectores USB-A) y niveles de desalineación que van desde 2 mm hasta 5 mm.

• Tolerancia a la Desalineación: SI-Diff extendió la tolerancia a la desalineación en x–y de 2 mm (el límite de TacDiffusion) a 5 mm.
• Tasas de Éxito: En la forma prismática de entrenamiento, SI-Diff logró una tasa de éxito del 95.8% en todos los niveles de desalineación, superando significativamente a TacDiffusion (29.1%) y a otras líneas base. Mantuvo altas tasas de éxito (90%–97%) en formas no vistas, incluidas geometrías complejas como prismas triangulares y pentagonales.
• Eficiencia: SI-Diff demostró una eficiencia superior, con los tiempos de ejecución promedio más bajos (tanto incluyendo fallos como solo éxitos) en comparación con los competidores.
• Transferencia Zero-Shot: El modelo, entrenado en una única forma prismática, demostró una robusta transferibilidad zero-shot a formas no vistas sin reentrenamiento.
• Comportamiento Cualitativo: El modelo aprendió a adaptar dinámicamente su estrategia de búsqueda, exhibiendo amplitudes y frecuencias variables que disminuyeron a medida que mejoraba la alineación, a diferencia de los patrones fijos de la política docente.

Significado y Afirmaciones
El artículo afirma que SI-Diff cierra la brecha tecnológica entre las estrategias de búsqueda e inserción, ofreciendo una solución más integrada para sistemas de ensamblaje inteligentes. Al aprender de demostraciones exitosas y eficientes proporcionadas por la nueva política docente, el modelo supera tanto a la política docente como a la línea base del estado del arte (TacDiffusion) en términos de tasa de éxito y eficiencia. El significado principal radica en la capacidad de manejar desalineaciones iniciales más grandes (hasta 5 mm) mientras se mantienen capacidades de inserción de alta precisión dentro de un único marco, reduciendo así la complejidad de ingeniería y facilitando la integración en aplicaciones industriales del mundo real. Los autores señalan que, aunque el método es robusto, el cambio de modo se activa actualmente por desplazamiento en z en lugar de por señales táctiles aprendidas, y el alcance se limita a la desalineación en x–y y la inserción con holguras pequeñas.