Resumen Técnico: Política de Restricción de Superficie para el Aprendizaje de Habilidades Robóticas con Restricción de Superficie y Factibilidad Dinámica

Planteamiento del Problema

El aprendizaje de imitación basado en difusión ha avanzado la manipulación háptica de robots, pero enfrenta limitaciones significativas cuando se aplica a tareas que involucran restricciones de superficie de forma libre complejas (por ejemplo, limpieza, pulido, escaneo de ultrasonido). Los modelos generativos actuales carecen de un modelado explícito de las restricciones de geometría de la superficie y a menudo no garantizan la factibilidad dinámica. Esto resulta en:

1. Generación de acciones estocásticas que no logran un alineamiento de superficie fiable.
2. Contacto inestable debido a la consideración insuficiente de las restricciones cinemáticas y dinámicas, lo que conduce a grandes aceleraciones de movimiento, curvaturas de trayectoria irregulares y la posible pérdida de contacto o daños en la superficie.
   Los métodos existentes dependen de un aprendizaje implícito de las relaciones geométricas (que es impreciso) o introducen restricciones durante el entrenamiento sin garantizar una ejecución suave y dinámicamente admisible en hardware real.

Metodología: La Política de Restricción de Superficie (SCP)

Los autores proponen un nuevo marco, la Política de Restricción de Superficie (SCP, por sus siglas en inglés), que integra demostraciones humanas y observaciones visuales en tiempo real para generar acciones que satisfagan tanto las restricciones de geometría de la superficie como la factibilidad dinámica. El proceso consta de tres componentes principales:

1. Codificación de la Geometría de la Superficie

Para proporcionar prioridades geométricas, el sistema codifica la superficie de forma libre $S(u, v)$ utilizando una función de núcleo gaussiano ponderada bidimensional derivada de las trayectorias de demostración.

• Proceso: Las poses del efector final de la demostración se parametrizan en coordenadas $uv$ locales.
• Modelo: Se construye una función de estado de superficie continua mediante una suma ponderada de núcleos gaussianos, donde los pesos se aprenden mediante la Regresión Localmente Ponderada (LWR). Esto crea una representación geométrica estructurada de la superficie.

2. Inferencia de Intención de Acción Basada en Difusión

Se utiliza un modelo probabilístico de eliminación de ruido de difusión condicional (DDPM) para inferir las intenciones de acción a nivel de tarea ($A_t$) a partir de entradas multimodales.

• Entradas: Secuencias de imágenes RGB ($O_t$), pose del efector final ($P_t$) y configuraciones articulares ($J_t$).
• Arquitectura: Las características visuales se codifican mediante un ResNet-18 no entrenado, mientras que los estados propioceptivos se codifican mediante un MLP. Estos se concatenan y procesan mediante un modelo de difusión basado en transformadores.
• Salida: El modelo genera una secuencia de intenciones de acción futuras (posiciones y orientaciones) condicionadas a la observación actual y al paso de difusión.

3. Mapeo de Movimiento Basado en Similitud y Ejecución

Para cerrar la brecha entre las salidas de la política estocástica y los movimientos físicamente ejecutables, las intenciones de acción inferidas se transforman en Primitivas de Movimiento Dinámico (DMP) con Restricción de Superficie mediante un método de mapeo basado en similitud.

• Mapeo de Posición: Los puntos de trayectoria discretos de la política de difusión se proyectan sobre la superficie codificada $S(u, v)$. Esto se formula como un problema de optimización conjunta que minimiza:
  1. La distancia euclidiana entre los puntos proyectados y los originales (consistencia geométrica).
  2. La divergencia de Kullback–Leibler (KL) entre las entropías de dirección local antes y después de la proyección (preservación de la estructura de la trayectoria).
• Estimación de Orientación: Las orientaciones se estiman utilizando agrupamiento intrínseco gaussiano en el manifold de cuaterniones unitarios ($S^3$), ponderado por la distancia espacial para manejar distribuciones de demostración no uniformes.
• Ejecución Dinámica: Las trayectorias mapeadas se ejecutan mediante:
  • DMPs de Longitud de Arco (AL-DMPs): Para trayectorias de posición, desacoplando la forma espacial de la velocidad de ejecución temporal.
  • DMPs Geodésicos (Geo-DMPs): Para trayectorias de orientación, evolucionando a lo largo de geodésicas en el manifold de cuaterniones.
  • Sincronización: Ambos tipos de DMP utilizan la longitud geométrica (longitud de arco o longitud geodésica) como la variable de fase, asegurando una coordinación posición-orientación consistente bajo velocidades variables.

Contribuciones Clave

1. Marco de la Política de Restricción de Superficie (SCP): Un nuevo marco de aprendizaje de políticas que genera intenciones de acción finas y consistentes con la geometría bajo restricciones de superficie, abordando la falta de modelado explícito en las políticas de difusión existentes.
2. Método de Mapeo de Similitud: Un mecanismo para transformar las intenciones de acción de alto nivel en acciones robóticas dinámicamente factibles. Este método asegura la conformidad con la superficie mientras preserva la estructura de la trayectoria, mejorando significativamente la suavidad y la estabilidad del movimiento.
3. Validación Exhaustiva: El método se evalúa en tres tareas con complejidad creciente (limpieza de pizarra, limpieza de superficie de forma libre y limpieza de parabrisas de aeronaves), demostrando un rendimiento superior sobre las líneas de base de vanguardia.

Resultados Experimentales

El SCP se comparó contra tres líneas de base:

• DP: Política de difusión estándar (sin restricciones explícitas).
• MDP: Difusión combinada con primitivas de movimiento (mejora la suavidad pero carece de restricciones de superficie explícitas).
• ACP: Política de Cumplimiento Adaptativo (utiliza control de impedancia para la regulación de la fuerza de contacto).

Hallazgos Clave:

• Tasas de Éxito de la Tarea: El SCP logró tasas de éxito comparables a las demostraciones humanas (aproximadamente 98–99%) en todas las tareas.
  • Limpieza de Pizarra: SCP (0.99) superó a DP (0.59) y MDP (0.92).
  • Limpieza de Forma Libre: SCP (0.98) superó significativamente a MDP (0.52).
  • Limpieza de Parabrisas: SCP (0.98) superó significativamente a ACP (0.63). DP y MDP fallaron consistentemente en esta tarea de alta precisión.
• Error de Alineación de Superficie (SAE): El SCP demostró el SAE más bajo en posición y orientación, particularmente en la tarea de limpieza de parabrisas donde la precisión de la herramienta rígida es crítica. ACP mostró mayores errores de orientación debido a desviaciones de postura.
• Factibilidad Dinámica: El SCP produjo trayectorias más suaves con menor aceleración de movimiento y una curvatura más regular en comparación con DP y MDP, evitando la pérdida de contacto y asegurando una ejecución estable.

Significado y Reivindicaciones

El artículo afirma que el SCP aborda eficazmente los desafíos duales de la generación de intención geométrica y la factibilidad dinámica en la manipulación con restricción de superficie.

• Robustez: Al codificar explícitamente la geometría de la superficie y utilizar un mapeo de similitud a los DMPs, el SCP evita los modos de fallo comunes de inferencia geométrica inexacta y ejecución inestable encontrados en los enfoques puramente generativos.
• Generalizabilidad: El método demuestra una fuerte generalización a través de tareas que van desde la limpieza de superficies planas simples hasta la limpieza de parabrisas de aeronaves de alta curvatura con herramientas rígidas.
• Limitaciones y Trabajo Futuro: Los autores señalan que el método actual depende en gran medida de datos de demostración de alta calidad. El trabajo futuro apunta a incorporar conocimiento previo de modelos de lenguaje extensos y modelos de lenguaje-video para permitir una adaptación rápida a nuevas geometrías y herramientas con menos demostraciones.

Los autores concluyen que el SCP proporciona un enfoque prometedor para el aprendizaje de habilidades en escenarios industriales complejos y ricos en contacto, logrando una formulación unificada de la intención de la geometría de superficie estructurada y la ejecución de acciones dinámicamente factibles.