Resumen Técnico: THREAD – Planificación de Trayectorias para Manipuladores Híbridos Rígido-Suaves con Difusión Consciente del Entorno

1. Planteamiento del Problema

Los robots que operan en entornos confinados y no estructurados (por ejemplo, respuesta ante desastres, exploración subterránea) enfrentan desafíos significativos al navegar por aperturas estrechas. Si bien los manipuladores híbridos rígido-suaves combinan el alcance de los brazos rígidos con la flexibilidad de los brazos continuos suaves (SCA), introducen dificultades de planificación únicas:

• Inviabilidad Ambiental: Las formas de la columna vertebral que son cinemáticamente válidas en el espacio libre pueden volverse físicamente inviables cuando están restringidas por el contacto con el entorno, lo que provoca colisiones o violaciones de los límites de deformación.
• Acoplamiento Cinemático: Planificar los segmentos rígidos y suaves de forma independiente ignora su acoplamiento cinemático. Un brazo rígido mal posicionado puede forzar al segmento suave hacia configuraciones que violan las restricciones físicas, haciendo que la tarea sea imposible.
• Limitaciones de los Métodos Existentes: Los planificadores clásicos basados en muestreo carecen de replanificación de bucle cerrado y de generalización. Los enfoques de aprendizaje supervisado y de Aprendizaje por Refuerzo (RL) suelen centrarse en el control del efector final, careciendo de un razonamiento global de la columna vertebral o de una conciencia geométrica explícita de las colisiones. Además, los modelos de difusión existentes se han aplicado a espacios de articulaciones rígidas, pero no al dominio continuo de la forma de la columna vertebral de los manipuladores continuos.

2. Metodología: El Marco de Trabajo THREAD

Los autores proponen THREAD, un planificador de trayectorias basado en difusión que opera en el espacio de la forma de la columna vertebral continua en lugar del espacio de articulaciones o del efector final. El sistema integra percepción, planificación generativa y control de bucle cerrado.

A. Representación Unificada de la Columna Vertebral

Toda la cadena cinemática (brazo rígido + brazo continuo suave) se codifica como una única columna vertebral de $K=64$ puntos muestreados desde la base hasta la punta.

• Máscara Rígido-Suave: Una máscara parametrizada divide la columna vertebral en segmentos rígidos y suaves.
• Optimización de Articulaciones: Al realizar la difusión sobre la columna vertebral completa, el modelo asegura que la pose del efector final generada sea cinemáticamente realizable por el brazo rígido, cumpliendo simultáneamente con las restricciones físicas del segmento suave.

B. Planificador de Trayectorias por Difusión

Un Modelo Probabilístico de Difusión de Eliminación de Ruido (DDPM) se entrena para generar trayectorias de columna vertebral libres de colisiones condicionadas por:

1. Geometría del Entorno ($\mathcal{C}_{env}$): Codificada mediante un codificador de nubes de puntos (MASt3R) que procesa escenas 3D reconstruidas.
2. Pose del Objetivo ($\mathcal{C}_{goal}$): La ubicación tridimensional objetivo.
3. Estado Inicial ($\mathcal{C}_{state}$): La configuración actual de la columna vertebral del robot.

Pérdidas Informadas por la Física: Durante el entrenamiento, el modelo minimiza una función de pérdida compuesta:

• Pérdida de Predicción de Ruido: Error cuadrático medio (MSE) estándar para la eliminación de ruido.
• Pérdida de Curvatura ($L_c$): Impone una suavidad físicamente plausible para el segmento suave.
• Pérdida de Suavidad Temporal ($L_t$): Asegura transiciones suaves entre pasos de tiempo.
• Pérdida de Rectitud Rígida ($L_r$): Impone que el segmento rígido permanezca recto (curvatura cero), evitando configuraciones físicamente imposibles.

Guía en Tiempo de Inferencia: Para imponer la evitación de colisiones sin reentrenamiento, el sistema emplea un Campo de Distancia con Signo (SDF) diferenciable derivado de la escena observada. Durante el proceso de muestreo DDIM, se aplica una guía basada en gradientes a la trayectoria limpia predicha para penalizar los puntos que penetran obstáculos.

C. Control y Ejecución

• Cinemática Inversa (IK): Un MLP aprendido mapea la forma de la columna vertebral planificada a comandos de actuación (entradas neumáticas para el SCA y deltas de articulación para el brazo rígido).
• Política de RL Residual: Una política de Actor-Crítico Suave (SAC) opera en un bucle cerrado para emitir pequeñas acciones correctivas ($\pm 20$ mm) para compensar errores de modelado e incertidumbres de contacto.
• Replanificación de Horizonte Recesivo: El planificador de difusión se invoca nuevamente cada 32 pasos para reanclar el plan al estado actual del robot, corrigiendo la deriva.

3. Contribuciones Clave

1. Representación Unificada: El primer marco que codifica la cadena cinemática completa de un manipulador híbrido como una única forma de columna vertebral, permitiendo la optimización conjunta de los subsistemas rígidos y suaves.
2. Difusión en el Espacio de la Columna Vertebral: La primera aplicación de modelos de difusión a manipuladores continuos, extendiendo la planificación de trayectorias desde espacios de articulaciones discretos a dominios de forma de columna vertebral continua.
3. Estrategia de Inferencia Híbrida: Una combinación novedosa de guía geométrica en tiempo de inferencia (SDF) para la evitación de colisiones y una política de RL residual para el refinamiento de la ejecución.
4. Transferencia de Transferencia de Cuerpo (Cross-Embodiment Transfer): Demostración de que la planificación en el espacio de la forma de la columna vertebral permite la transferencia directa a diferentes morfologías de hardware (por ejemplo, de un UR5 con un SCA de 2 segmentos a un myCobot con un SCA de 1 segmento) con una mínima adaptación de RL en línea y sin reentrenar el planificador de difusión.

4. Resultados Experimentales

Los experimentos se realizaron en el entorno de simulación SoftManiSim y se validaron en hardware real.

• Desempeño: THREAD alcanzó una tasa de éxito de la tarea del 92.4%, superando significativamente al de la línea base más fuerte (BC + RL con 75.3%) y reduciendo las colisiones en un factor de 5× (12.2% frente a 62.2% para BC + RL).
• Robustez: En pruebas de "fuera de distribución" que involucraban ángulos de pared y distancias no vistas, THREAD mantuvo tasas de éxito de aproximadamente el 88%, mientras que las líneas base degradaron a casi cero o de un solo dígito.
• Calidad de la Trayectoria: El método produjo trayectorias significativamente más suaves (métrica de suavidad de 0.008) en comparación con los enfoques de solo RL (0.110) y BC+RL (0.076).
• Transferencia Sim-to-Real: Desplegado en un myCobot real con un SCA de un solo segmento (no visto durante el entrenamiento), THREAD logró un éxito del 75.0% con solo ~100 pasos de actualización de RL en línea, atravesando con éxito aperturas tan pequeñas como 1.3× el diámetro del segmento suave.
• Estudios de Ablación: Eliminar la guía en tiempo de inferencia causó un aumento de ~5.5× en las colisiones. Eliminar la pérdida de rigidez resultó en segmentos rígidos curvos físicamente irreales, mientras que eliminar la pérdida de curvatura llevó a dobleces suaves no fluidos.

5. Significado y Reivindicaciones

El artículo afirma que THREAD aborda una brecha fundamental en la manipulación híbrida al cambiar el paradigma de planificación de centrado en el actuador (articulación/efector final) a centrado en la geometría (forma de la columna vertebral).

• Prior Generativo: Los autores argumentan que el sesgo inductivo correcto para entornos confinados es un prior generativo sobre formas físicamente realizables. Esto permite que el sistema represente la distribución completa de soluciones válidas en lugar de buscar una única trayectoria, permitiendo una degradación elegante a medida que las restricciones se estrechan.
• Generalización: Se afirma que la representación centrada en la columna vertebral es una "propiedad estructural" que facilita la transferencia entre hardware morfológicamente distinto. Al aprender la geometría de las formas factibles en lugar de memorizar trayectorias de actuadores, el planificador se generaliza a nuevos robots y entornos sin necesidad de reentrenamiento.
• Seguridad y Éxito: La combinación de un prior geométrico (difusión) y una corrección reactiva (RL) resuelve el compromiso tradicional entre el éxito de la tarea y la seguridad, logrando altas tasas de éxito sin los altos costos de colisión vistos en los enfoques puramente reactivos o de imitación.

Los autores concluyen que este enfoque ofrece un camino hacia planificadores de propósito general para manipuladores suaves y híbridos, particularmente en escenarios que requieren la navegación a través de entornos restringidos y no estructurados.