Resumen Técnico: Espacio de Trabajo Visible-Alcanzable para el Diseño de Humanoides Conscientes de la Percepción

Planteamiento del Problema

El análisis clásico del espacio de trabajo de un robot se centra en la alcanzabilidad cinemática: determinar dónde puede colocarse físicamente un efector final. Sin embargo, para los robots humanoides impulsados por la percepción, la alcanzabilidad por sí sola es una métrica incompleta. Un objetivo puede encontrarse dentro del espacio de trabajo cinemático de un brazo, pero permanecer fuera del campo de visión de los sensores integrados en la configuración específica requerida para alcanzarlo. Este espacio "alcanzable-ciego" obliga al robot a realizar movimientos de todo el cuerpo compensatorios (por ejemplo, rotar el torso, caminar hacia un nuevo punto de vista o redirigir una cámara) únicamente para adquirir una visión, convirtiendo una limitación de percepción en un movimiento mecánico innecesario. Los diseños humanoides existentes, que a menudo heredan factores de forma humanos con una visión restringida concentrada en la cabeza o el pecho, sufren un desajuste entre los amplios espacios de trabajo de los brazos y las capacidades de detección limitadas y, a menudo, acopladas.

Metodología

1. Definición del Espacio de Trabajo Visible-Alcanzable (VRW)

Los autores introducen el Espacio de Trabajo Visible-Alcanzable (VRW), una métrica de la etapa de diseño que condiciona la visibilidad a las configuraciones de alcance factibles.

• Partición de Configuración: La configuración $q$ del robot se particiona en articulaciones de manipulación ($q_m$), articulaciones de detección ($q_p$) y articulaciones nominales ($q_0$). Las articulaciones que afectan al efector final activo se priorizan en $q_m$. Crucialmente, esto distingue entre los sensores acoplados al manipulador (por ejemplo, montados en la muñeca) y aquellos con actuación independiente (por ejemplo, un gimbal).
• Visibilidad Condicional: Un objetivo $x$ se considera visible-alcanzable solo si existe una configuración factible $(q_m, q_p)$ tal que el efector final alcance $x$ y al menos una cámara observe $x$ sin auto-oclusión.
• Métricas:
  • Cobertura ($\eta$): La relación entre el volumen del espacio de trabajo visible-alcanzable ($W_{VR}$) y el espacio de trabajo total alcanzable ($W_R$).
  • Cobertura por Pares ($\eta_2$): Una métrica para la visibilidad concurrente, que mide la probabilidad de que dos regiones espacialmente separadas (un objetivo de manipulación y una segunda región de interés) puedan observarse simultáneamente sin alterar la configuración de manipulación.

2. Realización de Hardware: Duke Humanoid V2

Para validar la métrica VRW, los autores construyeron el Duke Humanoid V2, un humanoide de 31 DoF con accionamiento cuasi-directo (QDD).

• Morfología: 1.2 m de altura, 36 kg, con dos brazos de 7 DoF y dos piernas de 6 DoF.
• Arquitectura de Detección: La innovación clave es la cabeza de cámaras de guiñada-cabeceo de doble actuación independiente. Dos cámaras RGB-D están montadas en gimbals de 2 DoF, lo que les permite apuntar a regiones espacialmente separadas de forma independiente de la orientación del torso y la configuración del brazo.
• Control: El robot utiliza una política de Aprendizaje por Refuerzo (RL) de todo el cuerpo entrenada con FlashSAC (Soft Actor-Critic), que se ejecuta a 50 Hz con un seguimiento de PD a nivel de articulación de 200 Hz. La política gestiona la locomoción de la base, la manipulación del brazo y la mirada de la cámara simultáneamente.

3. Evaluación Experimental

El estudio evalúa el VRW a través de múltiples dimensiones:

• Comparación entre Plataformas: Se calculó el VRW para humanoides existentes (Unitree G1, Booster T1, Apptronik Apollo, Fourier GR-3, PAL Talos) utilizando sus modelos cinemáticos y de cámara publicados.
• Optimización de la Configuración de Cámaras: En el Duke Humanoid V2, los autores compararon disposiciones con $K=1, 2, 3$ cámaras, cada una en configuraciones fijas o actuadas.
• Tareas de Referencia (Benchmarks): Se realizó una tarea de referencia de "Alcance y Agarre de Dos Objetivos" en simulación y en el robot físico. Las tareas consistieron en agarrar dos objetos colocados en diversas configuraciones (izquierda/derecha, frente/atrás, cerca/lejos, y objetivos dinámicos sostenidos por humanos).

Resultados Clave

1. Mejoras en la Cobertura del VRW

• Actuación vs. Cantidad: La articulación de la cámara tuvo un impacto significativamente mayor en la cobertura del VRW que la adición de más cámaras. En el Duke Humanoid V2, la actuación de las cámaras aumentó la cobertura visible-alcanzable del 38% (fija) al 97% (actuada).
• Cobertura por Pares: Mientras que una sola cámara actuada mejoró la cobertura de un solo objetivo, no podía observar regiones separadas simultáneamente de manera efectiva. La adición de una segunda cámara de actuación independiente elevó la cobertura por pares ($\eta_2$) del 0.45 al 0.95. Una tercera cámara proporcionó rendimientos decrecientes (0.97) ante un costo de hardware significativo.
• Comparación: El Unitree G1 de cabeza fija logró solo un 16% de cobertura VRW. Las plataformas con cuellos actuados (por ejemplo, PAL Talos, Fourier GR-3) lograron entre 48 y 76%, pero todas permanecieron por debajo del 97% del Duke Humanoid V2 porque sus cámaras comparten un único eje de cuello, lo que impide la visualización independiente de regiones separadas.

2. Desempeño en Tareas de Manipulación

En la tarea de referencia de alcance y agarre de dos objetivos, la configuración de doble actuación (Act2) superó a la línea base de cámara fija (Fix2) y a otras configuraciones:

• Eficiencia: Act2 redujo el tiempo medio de finalización en un 17% y el consumo de energía mecánica en un 19% en comparación con Fix2.
• Búsqueda y Aproximación: La reducción de tiempo se distribuyó entre las fases de búsqueda, aproximación y manipulación. Específicamente, la actuación de la cámara redujo el tiempo de búsqueda al permitir que el robot localizara los objetivos mediante la mirada en lugar de caminar, y redujo el tiempo de aproximación al permitir trayectorias directas hacia los objetivos una vez localizados.
• Validación en el Mundo Real: Los experimentos físicos confirmaron que el diseño de doble actuación permitió la observación y manipulación simultánea de pares de objetivos frente/atrás y izquierda/derecha sin reorientación del torso. El robot rastreó y agarró con éxito objetivos en movimiento sostenidos por dos personas.

Significancia y Reivindicaciones

El artículo afirma que la alcanzabilidad se convierte en una cantidad de diseño más informativa para la manipulación de humanoides impulsada por la percepción cuando se evalúa junto con las configuraciones de detección que hacen observable el espacio alcanzable.

• Señal de Diseño: El VRW sirve como una señal de diseño cuantitativa. Los resultados demuestran que optimizar la cobertura visible-alcanzable (específicamente mediante la actuación independiente de la cámara) se traduce directamente en una ejecución de todo el cuerpo más eficiente, reduando la necesidad de movimientos corporales compensatorios.
• Principio de Diseño Acoplado: El trabajo argumenta contra el tratamiento de la detección y la manipulación como módulos separados. En su lugar, propone un principio de diseño acoplado donde la disposición de detección se optimiza para maximizar el solapamiento con el espacio de trabajo de manipulación, particularmente para tareas de múltiples regiones concurrentes.
• Código Abierto: Los autores se comprometen a abrir el código del software y el diseño del hardware del humanoide (Duke Humanoid V2) para facilitar la investigación adicional.

El artículo concluye que, mientras que la alcanzabilidad clásica define a dónde puede ir un robot, el VRW define dónde puede actuar efectivamente mientras percibe, y que cerrar esta brecha mediante la detección actuada es crítico para la próxima generación de robots humanoides.