Stage-Aware and Roughness-Constrained Diffusion Policy for Multi-Stage Robotic Polishing

Resumen Técnico: Política de Difusión Consciente del Estadio y Restringida por la Rugosidad para el Pulido Robótico Multietapa

1. Planteamiento del Problema

El pulido robótico es un proceso de acabado crítico en sectores de fabricación de alto valor, como el aeroespacial, donde la calidad de la superficie dicta directamente la fiabilidad del componente. Sin embargo, la automatización de estas tareas presenta dos desafíos primarios que los métodos actuales de aprendizaje por imitación luchan por abordar simultáneamente:

1. Incertidumbre de la Etapa del Proceso de Largo Horizonte: Los flujos de trabajo de pulido consisten en múltiples etapas distintas (por ejemplo, estabilización, pulido de bordes, acabado de superficie, limpieza) que a menudo exhiben estados locales visualmente similares pero requieren objetivos de control y patrones de acción muy diferentes. Los métodos existentes suelen depender de la descomposición explícita de tareas o de prompts de planificación de alto nivel, lo que puede no ser suficiente para inferir las etapas latentes del proceso a partir de historiales multimodales en tiempo real.
2. Deriva de Parámetros de Proceso No Restringida: En las políticas basadas en difusión, la naturaleza estocástica del proceso de eliminación de ruido puede conducir a variaciones no restringidas en los parámetros de proceso acoplados (velocidad de avance y fuerza de contacto normal). Dado que estos parámetros determinan conjuntamente la eliminación de material y la rugosidad superficial, tal deriva puede resultar en combinaciones físicamente inviables, contacto inestable o calidad superficial inconsistente (por ejemplo, falta de pulido o corte de bordes), especialmente cuando las velocidades de rotación están preestablecidas por etapa.

La literatura actual carece de un marco unificado que gestione conjuntamente la inferencia de la etapa latente a partir de historiales de observación y que imponga restricciones físicas de rugosidad dentro de políticas generativas de alta dimensión.

2. Metodología: El Marco SRDP

Los autores proponen la Política de Difusión Consciente del Estadio y Restringida por la Rugosidad (SRDP), un marco unificado diseñado para aprender habilidades de pulido multietapa a partir de demostraciones mientras se adhiere a las restricciones del proceso. El marco opera a través de dos mecanismos interconectados:

A. Difusión de Acción Condicionada por el Estadio
Para abordar la incertidumbre de la etapa, SRDP introduce una red de inferencia de etapa que procesa historiales de observación multimodales (imágenes visuales, estados del robot, fuerzas de contacto y modos de herramienta) para inferir una distribución de probabilidad posterior sobre la etapa actual del proceso.

• Inferencia de la Etapa: Una red $g_\phi$ mapea el historial de observación $O_t$ a una posterior de la etapa $z_t$.
• Eliminación de Ruido Condicionada: Esta posterior se codifica en un vector de condición de etapa $e_t$, que se inyecta en la red de eliminación de ruido inversa compartida. Esto permite que la política genere secuencias de acción consistentes con la etapa actual inferida sin requerir etiquetas de etapa externas durante la ejecución.
• Consistencia de Transición: Para asegurar transiciones suaves entre etapas, se introduce una prioridad de consistencia de transición de etapa. Esta utiliza una matriz de transición $T$ (derivada del conocimiento del flujo del proceso o de los datos) para regularizar la inferencia de la etapa, penalizando cambios de etapa abruptos o ilógicos mediante una pérdida de entropía cruzada de etiquetas suaves.

B. Muestreo de Difusión Restringido por la Rugosidad
Para abordar la deriva de parámetros, SRDP integra restricciones físicas y de calidad directamente en el proceso de muestreo de difusión.

• Modelado Orientado a la Rugosidad: Un modelo empírico de ley de potencia predice la rugosidad superficial ($R_a$) basándose en la fuerza normal ($F_n$), la velocidad de avance ($v$) y la velocidad de rotación preestablecida por etapa ($\omega$). El modelo se calibra fuera de línea utilizando datos experimentales.
• Conjuntos de Restricciones: Se definen dos conjuntos para el espacio de parámetros:
  1. Conjunto de Consistencia de Rugosidad ($\Omega_R$): Asegura que la relación acoplada entre $F_n$ y $v$ satisfaga la rugosidad objetivo dentro de una banda de tolerancia.
  2. Conjunto de Viabilidad Física ($\Omega_P$): Impone límites en los rangos de fuerza/velocidad y la continuidad temporal (tasa de cambio) para asegurar la ejecutabilidad robótica.
• Muestreo Guiado: Durante los pasos de eliminación de ruido inversa, la política minimiza una función de energía de restricción compuesta por la energía de consistencia de rugosidad y la energía de viabilidad física. Se aplica una estrategia de guía suave "dominante en la rugosidad" en las etapas de ruido inicial/medio para dirigir las muestras hacia la región factible, seguida de una proyección de modificación mínima en los pasos finales para garantizar que la salida se encuentre estrictamente dentro del conjunto factible conjunto $\Omega_t = \Omega_R \cap \Omega_P$.

3. Contribuciones Clave

El artículo reclama las siguientes contribuciones:

1. Marco Unificado: La propuesta de SRDP, que integra la inferencia de la etapa a partir de historiales multimodales con la eliminación de ruido inversa compartida para permitir la generación de acciones consistentes con la etapa sin etiquetas de etapa externas.
2. Muestreo Restringido por el Proceso: El desarrollo de un método de muestreo de difusión guiado por restricciones orientadas a la rugosidad que genera velocidad de avance y fuerza de contacto normal que satisfacen tanto los requisitos de calidad superficial como la viabilidad física bajo velocidades de rotación preestablecidas.
3. Validación Empírica: Evaluación exhaustiva mediante experimentos comparativos, estudios de ablación y validaciones con robot real en dos escenarios complejos: pulido de superficies de recubrimiento de cabina de nave espacial y acabado de superficies estructurales de cavidades internas.

4. Resultados Experimentales

Los experimentos se realizaron en una plataforma robótica de doble brazo (dos robots KUKA iiwa14) realizando dos tareas distintas:

• Pulido de Superficie de Recubrimiento: Que involucra estabilización, pulido de agujeros cuadrados/circulares y limpieza por vacío.
• Acabado de Cavidad Interna: Que involucra transporte cooperativo, estabilización, refinamiento de chaflán y pulido de superficie de ensamblaje.

Métricas de Desempeño:

• Éxito de la Tarea: SRDP logró las tasas de éxito de subtarea promedio más altas (0.94 para recubrimiento, 0.91 para cavidad interna) y tasas de éxito de transición (0.88 y 0.83, respectivamente), superando significativamente a las líneas base como la Política de Difusión (DP) estándar, el Aprendizaje de Imitación Jerárquico (HIL) y la Política de Cumplimiento Adaptativo (ACP).
• Análisis de Fallos: SRDP redujo sustancialmente los dos modos de fallo dominantes:
  • Fallos de Cambio de Etapa (STF): Reducidos a ~21-24% en comparación con >50% en las líneas base sin modelado de etapa explícito.
  • Fallos de Parámetros de Proceso (PPF): Reducidos a ~9.5-10.5% en comparación con tasas más altas en métodos que carecen de restricciones de rugosidad.
• Calidad de la Superficie: SRDP demostró valores de rugosidad superficial más bajos y estables y anchos de chaflán más consistentes en comparación con ACP, validando la efectividad del muestreo restringido por la rugosidad.

Estudios de Ablación:
La eliminación del condicionamiento de la etapa provocó un colapso en el éxito de la transición (dominado por STF). La eliminación de las restricciones de rugosidad mantuvo las transiciones de etapa pero causó una caída significativa en el éxito de la subtarea debido a desajustes de parámetros (dominado por PPF). La eliminación de las restricciones de viabilidad aumentó principalmente la inestabilidad del contacto. Esto confirma que la arquitectura completa de SRDP es necesaria para suprimir ambos modos de fallo simultáneamente.

5. Significación y Reivindicaciones

El artículo afirma que SRDP representa un paso significativo hacia la aplicación de políticas generativas en procesos de fabricación multietapa complejos. Su importancia radica en:

• Cerrar la Brecha: Proporciona una solución unificada para los problemas coocurrentes de la incertidumbre de la etapa latente y la deriva de parámetros no restringida, que anteriormente se habían abordado por separado o no se habían abordado en absoluto en políticas generativas de alta dimensión.
• Credibilidad Física: Al integrar restricciones impulsadas por la rugosidad directamente en el proceso de muestreo de difusión, el método asegura que las acciones generadas no solo sean semánticamente correctas para la etapa de la tarea, sino también físicamente viables y conformes con la calidad.
• Generalizabilidad: Aunque se demostró en el pulido, los autores sugieren que la formulación sirve como un mecanismo general para incorporar objetivos dependientes de la etapa y restricciones físicas en políticas robóticas generativas, potencialmente aplicables al esmerilado, taladrado y desbarbado.

Los autores concluyen que SRDP mejora el desempeño de la tarea, la estabilidad de los parámetros y la calidad superficial final, ofreciendo un marco robusto para la ejecución autónoma en entornos de fabricación de alta precisión.