Resumen Técnico: CoRMA (Adaptación Motora Robótica Contrastiva)

Declaración del Problema

El ensamblaje robótico rico en contacto (por ejemplo, Inserción de Perno, Roscado de Tuerca, Engranaje) sigue siendo un desafío significativo debido a la sensibilidad de estas tareas a desajustes geométricos, fricción, cumplimiento y ruido en la percepción. A diferencia de la manipulación en espacio libre, desviaciones menores pueden provocar atascos o fallos irreversibles. Aunque sistemas recientes de simulación a realidad, como FORGE, demuestran robustez en simulación, a menudo se degradan sustancialmente al desplegarse en hardware. Los enfoques existentes suelen depender de entrenamiento específico para la tarea, pipelines pesados en demostraciones (aprendizaje por imitación) o control adaptativo clásico que requiere calibración repetida para nuevas configuraciones. Además, los marcos estándar de meta-aprendizaje como Adaptación Motora Rápida (RMA) suelen diseñarse para señales visuales o centradas en objetos, mientras que el ensamblaje rico en contacto requiere interpretar historiales de fuerza y propiocepción para comprender estados de interacción (por ejemplo, movimiento libre frente a atascos).

Metodología

CoRMA (Adaptación Motora Robótica Contrastiva) propone un marco de meta-adaptación basado en contexto, diseñado específicamente para ensamblaje dominado por fuerza. Modifica el paradigma estándar de RMA reemplazando la adaptación de parámetros de simulación crudos con un contexto semántico de contacto compacto. El marco opera en tres etapas:

1. Definición del Contexto Semántico de Contacto

En lugar de utilizar parámetros crudos del simulador como información privilegiada, CoRMA define una variable latente $Z$ Privilegiada de 6D ($z_t$) que representa la interpretación semántica de la dinámica de contacto. Este vector incluye:

• Inicio del contacto
• Acoplamiento lateral
• Transición guiada de contacto
• Dirección del contacto (a lo largo de dos ejes)
• Tendencia a atasco o deslizamiento-pegado

Estas puntuaciones se calculan a partir de la dinámica de contacto y fuerza del simulador y sirven como objetivos supervisados durante el entrenamiento, pero no están disponibles durante el despliegue.

2. Pipeline de Entrenamiento

• Etapa 1 (Profesor Privilegiado): Se entrena una política consciente del contacto en simulación (Isaac Lab) utilizando PPO. El espacio de observación se amplía con la $Z$ Privilegiada de oráculo, permitiendo que el profesor aprenda comportamientos óptimos condicionados al conocimiento semántico perfecto del estado de contacto.
• Etapa 2 (Entrenamiento del Adaptador): Se entrena un adaptador Transformer causal para inferir la $Z$ Privilegiada ($\hat{z}_t$) únicamente a partir de historiales de sensores desplegables (fuerza, propiocepción y acción). La arquitectura del adaptador incluye:
  • Cabeza Semántica: Realiza regresión para predecir el vector $Z$ de 6D ($L_{sem}$).
  • Cabeza Contrastiva: Utiliza un objetivo auxiliar InfoNCE ($L_{nce}$) para organizar las incrustaciones del historial basándose en regímenes de fuerza gruesos (movimiento libre, primer contacto, deslizamiento guiado, atasco). Esto actúa como un regularizador semántico, asegurando que los historiales con semánticas de interacción similares se agrupen, incluso entre diferentes tareas.
• Etapa 3 (Despliegue): La $Z$ de oráculo se elimina de la política. El adaptador congelado predice $\hat{z}_t$ en línea a partir del historial de sensores, el cual se inyecta en la política. Esto permite la adaptación sin demostraciones, entradas privilegiadas o actualizaciones de gradiente en tiempo de prueba.

3. Arquitectura

El núcleo de CoRMA es un codificador Transformer causal que procesa ventanas de historial de fuerza, propiocepción y acciones. Utiliza un token de lectura aprendido para generar la representación del contexto. El uso de un Transformer se destaca como un factor dominante sobre los codificadores Conv1D estándar utilizados en variantes anteriores de RMA, permitiendo que el modelo capture dependencias de largo horizonte y transitorios de fuerza dispersos.

Contribuciones Clave

1. Adaptación Semántica de Contacto: CoRMA desplaza el objetivo de adaptación de parámetros de simulación crudos a un vocabulario semántico de contacto compacto y reutilizable ($Z$ de 6D) que describe regímenes de interacción en lugar de geometrías de tareas específicas.
2. Aprendizaje Contrastivo de Regímenes de Fuerza: La introducción de un objetivo contrastivo basado en regímenes de fuerza (libre, contacto, deslizamiento, atasco) sirve como un regularizador semántico débil. Esto ayuda a estructurar el espacio latente para distinguir tipos de interacción, mejorando la robustez de la inferencia del contexto.
3. Interfaz de Despliegue Sin Trampas: El sistema se adhiere al principio de RMA donde la información privilegiada se utiliza únicamente para la supervisión del entrenamiento. En el despliegue, el robot se adapta en línea utilizando únicamente datos de fuerza y propiocepción a bordo, inferiendo el contexto de contacto necesario para manejar incertidumbres del mundo real.
4. Adaptador Transformer Causal: La implementación demuestra que un Transformer causal es superior a los codificadores convolucionales para inferir semánticas de contacto a partir de historiales de fuerza de largo horizonte.

Resultados Experimentales

Los autores evaluaron CoRMA en tres tareas (Inserción de Perno, Engranaje, Roscado de Tuerca) en Isaac Lab/Isaac Sim 5.0 y en un brazo Marvin real de 7 grados de libertad.

• Brecha Simulación vs. Real: Líneas base sólidas (FORGE) lograron un éxito casi perfecto en simulación (98–100%), pero sufrieron caídas drásticas en el rendimiento durante el despliegue en el mundo real (por ejemplo, FORGE cayó al 12.5% en Inserción de Perno y al 0% en Roscado de Tuerca).
• Rendimiento de CoRMA: Aunque el éxito en simulación de CoRMA fue ligeramente inferior al de FORGE en algunos casos, mantuvo tasas de éxito real verificadas significativamente más altas:
  • Engranaje: CoRMA 65.0% vs. FORGE 25.0%.
  • Inserción de Perno: CoRMA 50.0% vs. FORGE 12.5%.
  • Roscado de Tuerca: CoRMA 59.3% vs. FORGE 0.0%.
• Análisis del Adaptador: Estudios de ablación confirmaron que el Transformer causal proporcionó la mayor ganancia de rendimiento (aumentando $R^2$ de ~0.43 a ~0.88 en comparación con Conv1D). El objetivo contrastivo proporcionó un beneficio de regularización menor pero consistente, mejorando la calidad de la representación sin sacrificar la precisión de la predicción numérica.

Significado y Afirmaciones

El artículo afirma que la inferencia semántica de contacto sirve como una interfaz de adaptación reutilizable dentro de una familia relacionada de tareas de ensamblaje. Al inferir un contexto de contacto compacto a partir del historial de fuerza, CoRMA reduce la degradación de simulación a realidad observada en líneas base fuertes y específicas para la tarea.

Los autores son modestos en su alcance, afirmando que:

• Los resultados apoyan la meta-adaptación a nivel de familia de tareas en lugar de una generalización sin restricciones hacia tareas no vistas arbitrarias.
• La evaluación actual se centra en la reutilización dentro de tareas relacionadas (Inserción de Perno, Engranaje, Roscado de Tuerca) en lugar de una generalización amplia.
• La calibración Real2Sim sigue siendo un elemento de trabajo futuro, ya que la brecha restante de simulación a realidad probablemente se derive de desajustes en dinámica, fricción y latencia de sensores.
• Los resultados con robot real se presentan como evidencia de despliegue controlado en lugar de certificación completa de confiabilidad, dado el número limitado de ensayos (decenas por tarea).

En conclusión, CoRMA demuestra que reemplazar la adaptación de parámetros crudos con la inferencia de contexto semántico de contacto, estructurada mediante aprendizaje contrastivo, es una dirección prometedora para el ensamblaje robusto de simulación a realidad en escenarios dominados por fuerza.