Resumen Técnico: CoWAM – Contratos de Coordinación para la Intervención de Políticas Selectiva con WAMs

Planteamiento del Problema

Los Modelos de Acción de Mundo (WAMs, por sus siglas en inglés) mejoran las políticas robóticas al emparejar acciones propuestas con consecuencias futuras predichas. Sin embargo, en la manipulación bimanual, la mera plausibilidad visual de un futuro predicho no justifica anular una acción de la política nominal (el candidato con mayor rango, $i=0$). Un despliegue coherente aún puede fallar debido a problemas sutiles de coordinación, como agarres retrasados, roles de brazos incompatibles o colisiones convergentes. Por el contrario, anular una acción nominal sin evidencia suficiente puede convertir la incertidumbre en un fallo.

Los enfoques actuales suelen tener dificultades para distinguir entre un candidato que "parece productivo" pero que oculta una violación de coordinación específica y una alternativa genuinamente superior. El desafío es desarrollar una capa de intervención selectiva que pueda evaluar rigurosamente si un candidato alternativo satisface obligaciones de coordinación específicas (sincronización, compatibilidad de roles, convergencia de colisiones) antes de reemplazar la acción nominal, sin reentrenar el generador de acciones subyacente ni alterar el conjunto de candidatos.

Metodología: CoWAM

CoWAM introduce una capa de intervención selectiva que trata los requisitos de coordinación como contratos de coordinación. Opera sobre un conjunto de candidatos congelado proporcionado por un proponente de WAM y toma decisiones para Preservar (ejecutar la acción nominal), Anular (ejecutar una alternativa verificada) o Abstenerse (invocar un mecanismo de respaldo) basándose en un conjunto conjuntivo de condiciones.

1. Contratos de Coordinación

El mecanismo central define las obligaciones como contratos tipados en lugar de una única puntuación de plausibilidad. Se identifican tres familias de contratos:

• Sincronización: Asegura la compatibilidad temporal de contactos y liberaciones.
• Compatibilidad de Roles: Asegura que los brazos mantengan roles consistentes de tarea respecto al objeto y el soporte.
• Convergencia de Colisiones: Asegura que el movimiento entre brazos evite el contacto inseguro.

Un candidato $i$ es admisible solo si satisface cada predicado activo $c_{i,e}$ para el evento actual $e$. El indicador de admisibilidad del contrato $g_i$ es el producto de estos predicados. Esta estructura garantiza que un candidato no pueda compensar un fallo de coordinación específico con una alta puntuación de utilidad.

2. Verificación Condicionada por Eventos

Para resolver fallos dependientes del futuro que los predicados deterministas no pueden capturar, CoWAM emplea un verificador condicionado por eventos $f_\theta$. Dada una observación, una acción candidata, un futuro predicho y un evento activo, el verificador produce:

• $\hat{p}_{i,e}$: Satisfacción estimada del evento.
• $\hat{r}_{i,e}$: Riesgo de coordinación estimado.
• $\hat{u}_i$: Utilidad de la tarea.
• $\hat{o}_i$: Valor de oportunidad.
• $\hat{q}_i$: Confianza.

Estos resultados se agregan mediante un ensamble para construir límites conservadores para el riesgo ($R^+_i$) y la utilidad ($U^-_i$). Se calcula una puntuación final $S_i$ combinando utilidad, oportunidad y riesgo.

3. Puertas de Intervención Calibradas

Un candidato alternativo $i > 0$ se selecciona solo si pasa un conjunto conjuntivo de puertas ($G_i = 1$):

1. Validez del Contrato: $g_i = 1$ (satisface todas las obligaciones activas).
2. Riesgo Acotado: $R^+_i \leq \tau_r$.
3. Retención de Utilidad: $U^-_i \geq U^-_0 - \epsilon_u$ (evita descartar el progreso de la tarea por seguridad local).
4. Oportunidad Activa: $\hat{o}_i \geq \tau_o$.
5. Confianza: $\hat{q}_i \geq \tau_q$.
6. Margen Selectivo: $S_i - S_0 \geq \tau_m$ (debe ser decisivamente mejor que el nominal).

Si ningún candidato alternativo pasa las pruebas, el sistema preserva la acción nominal (si es admisible) o se abstiene.

4. Evaluación de Mismo Conjunto Ciega al Resultado

Una contribución metodológica crítica es el protocolo de evaluación. Todos los selectores operan sobre conjuntos de candidatos ordenados idénticos y comprometen sus decisiones antes de que los resultados del simulador estén disponibles. Un oráculo compartido etiqueta entonces los resultados. Esto separa la calidad del selector (la capacidad de elegir el candidato correcto) de la calidad de la propuesta (la calidad del conjunto de candidatos), evitando factores de confusión en la evaluación del rendimiento.

Contribuciones Clave

1. Contratos de Coordinación: Una formalización que especifica las obligaciones tipadas y la evidencia requerida para la intervención basada en WAM, asegurando que las violaciones de coordinación específicas no sean enmascaradas por altas puntuaciones de utilidad.
2. Controlador Selectivo Condicionado por Contratos: Un controlador que utiliza comprobaciones tipadas, verificación específica de eventos, límites calibrados y una lógica de decisión para preservar, anular o abstenerse.
3. Evaluación de Mismo Conjunto Ciega al Resultado: Un protocolo que aísla el rendimiento del selector de la generación de propuestas, permitiendo una comparación rigurosa de las estrategias de intervención.
4. Evidencia de Robustez: Análisis exhaustivo a través de la eliminación de componentes, tamaños de conjunto de candidatos, familias de eventos, horizontes secuenciales y diferentes fuentes de propulsores WAM.

Resultados Experimentales

El método fue evaluado en ocho tareas bimanuales en el simulador RoboTwin 2.0, cubriendo transferencia entre brazos, colocación paralela e inserción de múltiples etapas.

• Selección Válida: CoWAM logró un 93.3% de selección válida (140/150 oportunidades), una mejora de 16.7 puntos porcentuales sobre la variante de solo contrato (76.7%) y superando significativamente a las líneas base como Future-Consensus (67.3%) y selectores RGB-D (84.0%).
• Seguridad de la Intervención: CoWAM mantuvo tasas de error extremadamente bajas en negativos emparejados: 2.8% de intervenciones falsas y 0.6% de intervenciones perjudiciales. En contraste, Future-Consensus tuvo 62.2% de intervenciones falsas y 8.9% de intervenciones perjudiciales.
• Éxito en Bucle Cerrado: En episodios naturales de bucle cerrado, CoWAM logró un 62.9% de éxito (151/240), una ganancia de 9.6 puntos porcentuales sobre la línea base selectiva más fuerte (Selective Control con 53.3%).
• Reducción de Fallos: CoWAM redujo las colisiones entre brazos en un 66.7%, los conflictos de rol en un 75% y las liberaciones asíncronas en un 71.4% en comparación con la Política Top-1 nominal.
• Robustez: Las ganancias de rendimiento persistieron a través de diversos tamaños de conjunto de candidatos ($K=4$ a $32$) y diferentes fuentes de WAM (X-WAM, LeWorldModel), demostando que el selector utiliza eficazmente diversas propuestas sin aumentar las tasas de error.

Significancia y Reivindicaciones

El artículo afirma que CoWAM establece los contratos de coordinación como una interfaz efectiva para la intervención de política conservadora. La significancia radica en:

• Separación de Preocupaciones: Al desacoplar la generación de propuestas de la intervención, el método permite utilizar WAMs existentes de forma segura sin necesidad de reentrenamiento.
• Fiabilidad Conservadora: El mecanismo de puertas conjuntivas asegura que las intervenciones solo ocurran cuando un candidato satisface todas las obligaciones de coordinación y proporciona una mejora clara y de bajo riesgo, evitando "anulaciones sin sustento".
• Generalizabilidad: Se demuestra que el marco es reutilizable en diversas estructuras de tareas y distribuciones de candidatos de WAM, lo que sugiere que los contratos de coordinación pueden servir como una interfaz estándar para la evidencia de acción de mundo en el control coordinado bimanual.

Los autores concluyen que, si bien la calidad de la predicción y las decisiones de intervención son complementarias, CoWAM convierte con éxito los conjuntos de candidatos más ricos en intervenciones válidas sin el crecimiento de errores asociado con el reordenamiento incondicional, cerrando así la breancia entre la evidencia de acción-mundo predicha y el control coordinado fiable.