Resumen Técnico: Modelo de Fundación de Comportamiento Perceptivo

Planteamiento del Problema

Los modelos de fundación de comportamiento para humanoides buscan adquirir políticas de control de cuerpo completo reutilizables a partir de amplios conocimientos previos de movimiento humano, permitiendo que un único controlador produzca comportamientos diversos y expresivos. Sin embargo, las políticas de fundación centradas en el movimiento existentes operan bajo un supuesto crítico: que el movimiento de referencia ya es físicamente compatible con el entorno del robot.

Este supuesto falla en escenarios de desajuste entre operador y entorno, donde el demostrador humano, el operador y el robot habitan entornos diferentes. Un comando de movimiento humano especifica la intención y el estilo, pero no codifica inherentemente los apoyos, el despeje de oscilación, la altura del cuerpo o la sincronización de contactos requeridos por el terreno local del robot (por ejemplo, escaleras, soportes dispersos o obstáculos). En consecuencia, un robot que intenta seguir una referencia de terreno plano en un terreno complejo puede fallar debido a colisiones, pérdida de equilibrio o inviabilidad cinemática. El desafío central es fundamentar los conocimientos previos de movimiento humano en la percepción centrada en el robot sin alterar la interfaz de comando de movimiento bruto.

Metodología: Modelo de Fundación de Comportamiento Perceptivo (Perceptive BFM)

Los autores proponen Perceptive BFM, un marco de política única que preserva las referencias cinemáticas de movimiento bruto como el comando de despliegue, mientras utiliza observaciones de terreno local para adaptar los contactos, la postura y la sincronización. El enfoque se basa en un algoritmo de entrenamiento de Seguimiento de Movimiento Perceptivo (PMT) por etapas.

1. Síntesis de Referencia Conforme al Terreno (TCRS)

Para proporcionar una supervisión de terreno escalable, los autores desarrollan un pipeline de síntesis offline que convierte clips de movimiento humano bruto y campos de altura muestreados en referencias consistentes con el terreno ($m_{tcrs}$). Este módulo no resuelve la dinámica completa rica en contactos, sino que construye referencias consistentes en el contacto, suaves y que preservan el estilo mediante:

• Construcción de apoyos consciente del contacto: Anclaje de los pies de apoyo a las superficies del terreno preservando la fase de marcha global y el tiempo nominal de la pisada.
• Optimización de oscilación consciente de la geometría del pie: Optimización de una trayectoria virtual del mediopié (equilibrando el despeje de la punta y el talón) utilizando un optimizador de trayectoria basado en muestreo para evitar discontinuidades del terreno.
• Reconstrucción de la raíz consciente del apoyo: Reconstrucción de la altura de la raíz (pelvis) basada en los contactos de apoyo y la alcanzabilidad de las piernas.
• Reparación de colisiones e IK de múltiples puntos para las piernas: Resolución de un problema de Cinemática Inversa (IK) de Jacobiano de múltiples puntos, amortiguado y consciente del apoyo, para las doce articulaciones de las piernas, con el fin de resolver colisiones y asegurar la viabilidad cinemática.

2. Pipeline de Entrenamiento Maestro-Estudiante

El proceso de entrenamiento consta de cuatro etapas:

• Etapa 1 (Síntesis Offline): TCRS genera conjuntos de datos emparejados de referencias brutas ($m_{raw}$), referencias conformes al terreno ($m_{tcrs}$) y mapas de terreno ($\tau$).
• Etapa 2 (Entrenamiento del Maestro Ciego): Se entrena una política maestra basada en Transformer "ciega" mediante Optimización de Política Próxima (PPO) para seguir las referencias sintetizadas $m_{tcrs}$. Este maestro tiene acceso a información privilegiada (la referencia adaptada) pero no tiene entrada visual del terreno.
• Etapa 3 (Destilación del Estudiante de Visión): Una política "estudiante de visión", que recibe la referencia bruta original ($m_{raw}$) y un escaneo de terreno local, es destilada a partir del maestro.
  • Alineación de Acción en el Marco de Referencia (Target-Frame Action Alignment): Dado que el maestro actúa sobre $m_{tcrs}$ y el estudiante sobre $m_{raw}$, el estudiante aprende a imitar el objetivo efectivo de la articulación expresado relativo a la referencia bruta: $a^*_t = (q_{tcrs} + \mu_{tea}) - q_{raw}$.
  • Arquitectura con Compuerta de Identidad (Identity-Gated): El estudiante es un Transformer con compuerta de identidad. Las características del terreno entran a través de vías residuales inicializadas en cero. Esto asegura que, en la inicialización, el estudiante se comporte exactamente como un rastreador de referencia bruta, aprendiendo correcciones condicionadas por el terreno solo cuando estas mejoran el objetivo de seguimiento.
• Etapa 4 (Ajuste Fino con PPO): El estudiante es ajustado mediante PPO utilizando comandos de referencia bruta y observaciones de terreno, actualizando de forma conservadora el conocimiento previo de seguimiento de movimiento transferido mientras aprende correcciones condicionadas por la percepción local.

Contribuciones Clave

1. Pipeline TCRS: Un método de síntesis offline escalable que convierte el movimiento humano bruto y los campos de altura del terreno en supervisión consistente con el terreno mediante la construcción de apoyos consciente del contacto, optimización de oscilación, reconstrucción de la raíz e IK de múltiples puntos.
2. Algoritmo PMT: Un marco maestro-estudiante de referencia bruta que despliega un comportamiento consciente del terreno sin cambiar la interfaz de comando. Transfiere el comportamiento conforme al terreno de un maestro ciego a un estudiante de visión mediante la alineación de la acción en el marco de referencia.
3. Diseño de Política con Compuerta de Identidad: Una política Transformer que se inicializa como un rastreador de referencia bruta y aprende correcciones residuales condicionadas por el terreno. Esto permite que una única interfaz de comando soporte locomoción, movimientos expresivos, acrobacias y desajustes entre operador y entorno a través de diversos terrenos.

Resultados

El artículo evalúa Perceptive BFM en cinco niveles:

• Calidad de TCRS: En piedras de paso con escaleras, TCRS reduce significativamente las métricas sensibles a colisiones en comparación con las líneas base (Z-offset y Cubic Interp+IK). Específicamente, reduce la profundidad de penetración de 5.48 cm (Z-offset) a 2.38 cm y las violaciones de despeje del 14.3% (Cubic) al 7.4%.
• Diagnósticos de Fin de Entrenamiento: En una configuración común de PPO de 10k iteraciones, la política completa de PMT logra una tasa de éxito de bucle cerrado registrada del 55.1%, superando significativamente a las ablaciones:
  • Sin TCRS (solo referencia bruta): 27.3%
  • Sin visión (ciego): 26.5%
  • Sin alineación de marco de referencia: 26.7%
  • Sin compuerta de identidad: 30.4%
• Simulación de Cruce de Terrenos: En ejecuciones de política fija a través de 30 comandos de movimiento y 5 familias de terrenos (escaleras, pendientes, soportes dispersos, obstáculos hundidos, interior mixto), PMT logra una tasa de finalización del 55.1% en comparación con el 27.3% de la línea base de referencia bruta. PMT también demuestra una menor incidencia de colisiones en la parte inferior de la pierna (10.0% vs. 24.7%).
• Despliegue en Robot Real: Una única política se desplegó en un robot Unitree G1 de 29 DoF. Ejecutó con éxito diversos comportamientos (mortales hacia atrás sobre una pierna, baile en escaleras, carreras con movimiento de brazos, caminata lateral en escaleras) en entornos de interior, exterior y desajustes de captura de movimiento (mocap). El robot preservó el comportamiento de la parte superior del cuerpo comandado mientras la percepción resolvía los apoyos y el despeje en línea.

Significado y Reivindicaciones

El artículo afirma que la percepción centrada en el robot puede convertir los conocimientos previos de movimiento humano en un comportamiento de cuerpo completo compatible con el terreno sin cambiar la interfaz de comando de movimiento bruto.

La importancia radica en cerrar la brecha entre los modelos de fundación de comportamiento generalistas (que sobresalen en el seguimiento expresivo pero ignoran el terreno) y las políticas de locomoción perceptivas (que manejan el terreno pero a menudo reemplazan la intención humana con habilidades autónomas). Perceptive BFM demuestra que un único modelo puede retener la "intención y el estilo" de un operador humano mientras adapta dinámicamente la realización física (contactos, postura, sincronización) al entorno local del robot. Los autores señestan que este enfoque permite la reutilización de amplios conocimientos previos de movimiento humano para tareas complejas como acrobacias y teleoperación en entornos desajustados, siempre que el comando de la parte superior del cuerpo sea factible tras la corrección de la parte inferior.

El artículo reconoce limitaciones, incluyendo el supuesto de un terreno estático y rígido, y la falta de conciencia de colisiones en la parte superior del cuerpo (los brazos/torso aún pueden golpear obstáculos si el comando no es consciente de las colisiones). Se sugiere trabajo futuro para abordar terrenos dinámicos/deformables y la adaptación de la parte superior del cuerpo.