Resumen Técnico: Aprendizaje de Habilidades Motoras Transferibles para Tareas de Superficie Robóticas Conscientes de la Geometría

Declaración del Problema

Las tareas de interacción con superficies robóticas, como la pintura por pulverización y la soldadura, requieren una doble capacidad: planificación precisa de trayectorias geométricas y estrategias de ejecución precisas que imiten la experiencia humana. Aunque los planificadores de movimiento modernos generan eficazmente trayectorias libres de colisiones que satisfacen las restricciones geométricas, a menudo fallan en capturar los patrones motores matizados de los operadores humanos expertos, como el escalado adaptativo de la velocidad y los ajustes de orientación de la herramienta basados en la geometría local. Por el contrario, los enfoques de Aprendizaje por Demonstración (LfD) preservan estas habilidades motoras expertas, pero suelen acoplar la ejecución estrechamente a la geometría específica de la demostración. Este acoplamiento limita la transferibilidad de las habilidades aprendidas a nuevas piezas de trabajo con formas o topologías diferentes. El desafío central abordado es cómo desacoplar la planificación geométrica de alto nivel de la experiencia de ejecución de bajo nivel para habilitar habilidades motoras transferibles y conscientes de la geometría.

Metodología

Los autores proponen un marco modular que representa el comportamiento experto como un vocabulario de reglas motoras atómicas e interpretables. Estas reglas modifican sistemáticamente una trayectoria de referencia planificada geométricamente basándose en las características de los segmentos locales.

1. Representación de Habilidades Basada en Reglas

Las habilidades expertas se modelan como un conjunto estructurado de transformaciones paramétricas ($\rho$) aplicadas a segmentos espaciales de una trayectoria. La trayectoria geométrica cruda se descompone en segmentos (por ejemplo, líneas rectas, esquinas). El vocabulario de reglas incluye:

• Escalado de Velocidad ($\rho_{vel}$): Aplica un factor de escalado continuo a la velocidad lineal objetivo.
• Desplazamientos de Orientación ($\rho_{ori}$): Introduce inclinaciones sistemáticas (representadas como desplazamientos de cuaternión) relativas a la normal de la superficie para imitar el manejo experto de la herramienta.

2. Inferencia Neural Multimodal

Se entrena una red neuronal multimodal para inferir parámetros de reglas y tipos de segmentos conjuntamente a partir de datos de trayectoria cinemática y geometría de modelo CAD.

• Entradas: El modelo procesa una trayectoria cinemática (posición, orientación, velocidad) y el modelo CAD objetivo subyacente (representado como una nube de puntos).
• Arquitectura:
  • Codificador de Trayectoria: Un codificador convolucional 1D (tres capas Conv1d apiladas) procesa características de trayectoria indexadas en el tiempo. Las orientaciones se mapean a una representación de rotación continua de 6D para garantizar estabilidad.
  • Codificador de Geometría: Un codificador PointNet++ procesa la nube de puntos del CAD para extraer características geométricas globales.
  • Fusión: Los incrustamientos de ambas modalidades se concatenan y se pasan a través de un Perceptrón Multicapa (MLP) compartido.
• Salidas: La red utiliza dos cabezales:
  • Un cabezal de clasificación que predice el tipo de segmento geométrico (recto, esquina o ninguno) al que se aplica una regla.
  • Un cabezal de regresión que predice el parámetro de ejecución continuo (por ejemplo, multiplicador de velocidad específico o ángulo de inclinación).

3. Refinamiento de Trayectoria y Simulación

Para garantizar la continuidad física y evitar saltos instantáneos de velocidad, las reglas inferidas se inyectan en una simulación basada en física. Un controlador de persecución pura rastrea una pose de visión hacia adelante a lo largo de la trayectoria de referencia, aplicando fuerzas y torques proporcionales a los errores de posición y orientación. El par resultante se integra numéricamente utilizando un método de Runge-Kutta de cuarto orden (RK4), modelando el efector final como un cuerpo rígido con masa, inercia y amortiguamiento viscoso.

4. Generación de Datos y Transferencia

Los datos de entrenamiento se generan sintéticamente utilizando topologías en forma de L y en forma de ventana. Para la transferencia a geometrías no vistas, el sistema segmenta automáticamente una nueva trayectoria geométrica utilizando una ventana deslizante y la Descomposición en Valores Singulares (SVD) para medir la curvatura local, etiquetando los puntos como "rectos" o "esquinas" sin anotación manual. Las reglas inferidas se aplican luego a los segmentos correspondientes durante la simulación.

Contribuciones Clave

El artículo describe dos contribuciones principales:

1. Un Marco Modular: Un sistema que representa las habilidades motoras expertas como un vocabulario de reglas paramétricas, permitiendo que estas habilidades se inyecten en trayectorias planificadas geométricamente, desacoplando así la planificación de la experiencia a nivel de ejecución.
2. Una Arquitectura Neural Multimodal: Un diseño de red específico que combina un codificador de trayectoria convolucional 1D y un codificador CAD PointNet++ para inferir parámetros de reglas y tipos de segmentos directamente a partir de datos de demostración.

Resultados Experimentales

El enfoque se evaluó en conjuntos de datos simulados que involucran objetos en forma de L y en forma de ventana.

• Clasificación de Reglas: En geometrías en forma de L, el modelo logró una puntuación F1 combinada de 0.999 en tres clases (recto, esquina, ninguno). En geometrías de ventana complejas, logró una puntuación F1 de 1.000 para el escalado de velocidad y 0.984 para las reglas de orientación.
• Regresión de Parámetros:
  • Formas en L: El Error Absoluto Medio (MAE) fue de 0.020 rad para los desplazamientos de orientación y de 0.056 para los factores de escalado de velocidad.
  • Topologías de Ventana: El modelo mantuvo una estimación precisa de la orientación (MAE 0.038 rad). El escalado de velocidad mostró un error moderado de 0.131, lo que los autores atribuyen a los segmentos más cortos y de cambio rápido característicos de los marcos de ventanas, sugiriendo la necesidad de una segmentación más fina o normalización para cambios de curvatura densos.
• Generalización: Los resultados demuestran que la arquitectura desacopla con éxito las anulaciones dinámicas de la trayectoria geométrica, permitiendo que el modelo extraiga y aplique reglas de velocidad y orientación a través de diferentes topologías.

Significado y Trabajo Futuro

El artículo afirma que su principal significado radica en desacoplar con éxito las estrategias de ejecución de la geometría de la pieza de trabajo utilizando reglas atómicas e interpretables. Esto permite la transferencia de habilidades motoras expertas a nuevas piezas de trabajo sin reentrenar sobre la nueva geometría específica.

Los autores señalan que el vocabulario de reglas actual opera puramente sobre el tipo de segmento y aún no explota la proximidad en tiempo de ejecución a características específicas del CAD (como bordes o cruces) durante la inferencia. Identifican cerrar la brecha simulación-realidad como el siguiente paso crítico, señalando que las interfaces físicas de enseñanza actuales sufren de bajas tasas de muestreo que limitan la captura de ajustes motores de alta frecuencia. El trabajo futuro apunta a expandir el vocabulario de reglas para incluir reglas basadas en la proximidad condicionadas a características estructurales del CAD y a evaluar la transferencia de cero disparos a topologías retenidas, como geometrías en forma de U y en forma de T.