Resumen Técnico: CONTACTMIMIC

Planteamiento del Problema

Los sistemas actuales de locomoción-manipulación de cuerpo completo para humanoides se basan principalmente en el seguimiento de trayectorias de puntos clave (objetivos cinemáticos) para imitar el movimiento humano. Sin embargo, para muchas tareas de interacción útiles —como sentarse en una silla, limpiar una pizarra o empujar muebles— el éxito no se define meramente por la pose del robot, sino por el contacto físico explícito con el entorno.

Los rastreadores existentes suelen reproducir la forma de un movimiento, pero fallan al establecer el contacto físico necesario (por ejemplo, agitando una mano cerca de una tabla en lugar de limpiarla). En consecuencia, estos sistemas son insuficientes para la ejecución de tareas y típicamente requieren un ajuste fino con recompensas específicas de la tarea para lograr el éxito. Además, los métodos actuales carecen de la capacidad de controlar explícitamente si el contacto debe realizarse o suprimirse durante el despliegue, lo que limita su versatilidad en escenarios donde la misma geometría de movimiento requiere diferentes comportamientos de contacto (por ejemplo, sentarse en una silla frente a hacer una sentadilla sin tocarla).

Metodología

Los autores proponen CONTACTMIMIC, un marco de aprendizaje que permite un comportamiento de contacto controlable y explícito en tiempo de prueba junto con el seguimiento de puntos clave. El sistema se construye sobre tres pilares fundamentales:

1. Política Condicionada al Contacto

La política, $\pi_\theta(a_t | p_t, \bar{k}_t, \bar{c}_t)$, toma tres entradas:

• Propiocepción ($p_t$): El estado interno del robot.
• Objetivos de Puntos Clave ($\bar{k}_t$): Trayectorias de referencia para las partes del cuerpo.
• Etiquetas de Contacto Binarias ($\bar{c}_t$): Un mapa por paso de tiempo y por parte del cuerpo que indica si se desea (1) o se suprime (0) el contacto con partes específicas del objeto.

La política genera ángulos articulares objetivo, que se convierten en torques mediante un controlador PD. Notablemente, el sistema no utiliza sensores de contacto explícitos como entradas; depende de la propiocepción para inferir el estado de contacto en tiempo de ejecución.

2. Diseño de Recompensas

Para entrenar a la política a adherirse a los comandos de contacto, los autores introducen recompensas conscientes del contacto junto con términos estándar de seguimiento y regularización:

• Recompensa de Coincidencia de Etiquetas de Contacto ($r^{lm}_t$): Alienta a la política a coincidir con el estado de contacto comandado (Tasa de Verdaderos Positivos y Tasa de Verdaderos Negativos) entre las partes del cuerpo del robot y las superficies del objeto. Se utilizan dos variantes: Exactitud Balanceada (por defecto) y TP-FP (para movimientos de contacto disperso).
• Recompensa de Distancia de Contacto ($r^{cd}_t$):
  • Término positivo: Alienta a las partes del cuerpo destinadas a contactar un objeto a permanecer cerca de la superficie.
  • Término negativo: Penaliza las partes del cuerpo que no deben contactar un objeto si se acercan demasiado (dentro de un umbral $\delta$).

3. Aumento de Datos para Romper Correlaciones

Un desafío crítico es que en los datos brutos de interacción humano-objeto, las trayectorias de los puntos clave y los patrones de contacto están fuertemente correlacionados (un movimiento específico suele implicar un patrón de contacto específico). Si se entrena de forma ingenua, la política podría ignorar el comando de contacto e inferir el contacto basándose únicamente en los puntos clave.

Para mitigar esto, los autores proponen un esquema de aumento que genera pares de movimiento con estructuras de puntos clave similares pero con etiquetas de contacto diferentes:

• Inversión de Etiquetas de Contacto (Contact-Label Flipping): Mantiene la trayectoria original pero invierte las etiquetas de contacto, penalizando al robot por hacer contacto con el objeto.
• Eliminación de Objeto: Elimina el objeto de interacción de la simulación y fuerza las etiquetas de contacto a cero mientras mantiene intacta la trayectoria de los puntos clave.
• Geometría Inflada: Infla la malla de colisión del objeto durante el retargeting para obligar al robot a rodearlo, creando una trayectoria perturbada donde naturalmente no ocurren contactos, los cuales luego son etiquetados como cero.

Estos pares aumentados obligan a la política a atender al comando de contacto explícito en lugar de inferir el contacto únicamente a partir de la geometría.

Principales Contribuciones

1. Control de Contacto Explícito: Un marco que permite a una sola política alternar entre realizar o suprimir el contacto físico para la misma trayectoria de puntos clave, permitiendo un control fino sobre la interacción (por ejemplo, sentarse con apoyo en la espalda frente a sentarse sin él).
2. Manipulación Libre de Tareas: La capacidad de completar tareas de manipulación de objetos (por ejemplo, levantar una caja) utilizando únicamente el seguimiento de la trayectoria de puntos clave y de contacto, sin requerir recompensas específicas de la tarea.
3. Estrategia de Ingeniería de Datos: La demostración de que romper la correlación entre puntos clave y contactos mediante aumentos específicos (inversión, eliminación, inflación) es necesario para aprender un comportamiento genuino condicionado al contacto.
4. Inferencia Propioceptiva: El hallazgo de que la política aprende implícitamente a inferir el estado de contacto en tiempo de ejecución a partir de la propiocepción por sí sola, eliminando la necesidad de sensores de contacto externos en el tiempo de inferencia.

Resultados Experimentales

El marco fue evaluado en el robot humanoide Unitree G1 a través de 10 movimientos diversos de interacción humano-objeto (por ejemplo, limpiar, sentarse, apoyarse, patear, levantar cajas) tanto en simulación como en el mundo real.

• Controlabilidad de Contacto: En pruebas de simulación y del mundo real, la política siguió con éxito los comandos de contacto. Cuando se le ordenó contactar ($\checkmark$), el robot estableció contacto físico (por ejemplo, borrando una pizarra, apoyándose en un respaldo). Cuando se le ordenó suprimir el contacto ($\times$), el robot mantuvo la misma geometría de pose pero evitó el contacto.
• Comparación con Baselines: Comparado con BeyondMimic (un rastreador de solo puntos clave de última generación), CONTACTMIMIC logró métricas de contacto significativamente más altas (cuerpos de contacto e impulso) manteniendo una precisión de seguimiento de puntos clave (MPJPE) comparable. BeyondMimic falló al establecer el contacto físico necesario para las tareas de manipulación.
• Estudios de Ablación: Eliminar las estrategias de aumento de datos propuestas resultó en una caída significativa en la controlabilidad de contacto, confirmando que el aumento es esencial para desacoplar el comportamiento de contacto de la geometría de los puntos clave.
• Transferencia al Mundo Real: La política se transfirió con éxito al robot Unitree G1 real, demostrando una robusta controlabilidad de contacto a través de cinco movimientos diferentes (por ejemplo, limpiar, sentarse, apoyarse) con altas tasas de éxito.

Significancia y Reivindicaciones

El artículo afirma que CONTACTMIMIC representa un paso hacia humanoides que interactúan con el mundo de manera intencional en lugar de incidental. Al introducir el condicionamiento de contacto explícito, los autores proporcionan una interfaz simple y general para expresar tareas ricas en contacto.

La significancia radica en:

• Desacoplamiento de Geometría y Contacto: Demostrar que el comportamiento de contacto puede controlarse independientemente de la trayectoria geométrica del movimiento.
• Eliminación de Recompensas Específicas de la Tarea: Mostrar que las tareas complejas de manipulación pueden aprenderse simplemente igualando las trayectorias de contacto y puntos clave, eliminando la necesidad de recompensas de tareas diseñadas a mano.
• Escalabilidad: El enfoque sugiere que una única arquitectura de política puede manejar diversos modos de interacción (contacto vs. no contacto) simplemente alternando una etiqueta, ofreciendo un camino hacia robots humanoides más versátiles y adaptables.

Los autores reconocen limitaciones, incluyendo la necesidad actual de entrenar políticas separadas por movimiento (en lugar de un rastreador universal), la dependencia de conjuntos de datos de interacción humano-objeto de alta calidad (HUMOTO) y la evaluación en una sola plataforma robótica. Se sugiere trabajo futuro para abordar el entrenamiento conjunto a través de movimientos y el uso de datos de video en entornos reales.