💻 computer science

Compliance for Free: Learning Identifiable Impedance via Bilateral Teleoperation

Este artículo propone un método que utiliza teleoperación bilateral de cuatro canales para identificar y registrar la rigidez del operador a partir de sensores de par de la articulación existentes, permitiendo el ajuste fino de modelos de visión-lenguaje-acción para generar etiquetas de cumplimiento dependientes de la dirección con costo de anotación cero para tareas ricas en contacto.

Autores originales: Harsha Guda, Adrià Colomé, Carme Torras

Publicado 2026-09-18

📖 7 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Harsha Guda, Adrià Colomé, Carme Torras

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Los robots se han vuelto notablemente buenos para ver el mundo y decidir hacia dónde moverse después. La inteligencia artificial moderna puede mirar una foto de una habitación desordenada y decirle a un brazo robótico exactamente cómo recoger una taza o abrir un cajón. Pero hay un paso final y crítico en el que estas máquinas suelen tropezar: el momento en que tocan algo. Aunque se le puede decir a un robot hacia dónde ir, le cuesta saber con qué fuerza presionar. Las tareas que requieren un toque suave, como limpiar una pizarra sin rayarla, o insertar un perno en un agujero ajustado, dependen de una propiedad llamada cumplimiento (compliance). Esta es la capacidad de ceder o resistir la presión de una manera controlada. Durante mucho tiempo, enseñar esta habilidad a los robots ha sido difícil porque las formas estándar en las que los humanos muestran a los robots qué hacer solo registran la posición final del robot. Estas omiten la fuerza invisible que el humano estaba aplicando, dejando al robot adivinando si debería ser rígido o blando.

Un equipo de investigadores en Barcelona ha encontrado una forma de resolver esta pieza de información faltante sin añadir costosos sensores de fuerza-par o táctiles. Descubrieron que, mediante el uso de un tipo específico de configuración de control remoto, podían separar matemáticamente el objetivo pretendido por el humano de la fuerza que aplicaba utilizando solo los sensores de par de las articulaciones ya presentes en el brazo del robot. En sus experimentos, un operador humano controlaba un brazo robótico a través de un sistema donde el propio brazo del operador movía un segundo brazo robótico idéntico. Al observar cómo se movía el brazo del operador en comparación con cómo se movía realmente el brazo del robot, los investigadores pudieron calcular exactamente qué tan rígido o blando quería ser el operador en cada momento. Utilizaron estos nuevos datos para entrenar un modelo de inteligencia artificial que ahora puede recibir una instrucción verbal simple, como "limpia esta marca con firmeza", y ajustar su propia rigidez para coincidir con ella, en lugar de simplemente moverse a una ubicación.

El núcleo del problema que los investigadores abordaron es una confusión que ocurre cada vez que intentamos enseñar a un robot observando a un humano. Imagine a un humano empujando el brazo de un robot contra una pared. Si el robot termina en un lugar determinado, no sabemos si el humano empujó con fuerza contra un resorte rígido o suavemente contra un resote blando; ambos escenarios podrían resultar en que el robot termine exactamente en el mismo lugar. Los dispositivos de registro estándar solo ven la posición final, por lo que no pueden distinguir la diferencia. Esto hace imposible enseñar a un robot el concepto de "firme" frente a "suave" solo observando hacia dónde va el robot. Los investigadores se dieron cuenta de que, para solucionar esto, necesitaban una segunda medición independiente de hacia dónde el humano pretendía ir, distinta de donde el robot terminó realmente.

Para resolver esto, utilizaron un sistema de teleoperación bilateral de cuatro canales. En esta configuración, un humano sostiene un brazo robótico "líder" y un brazo robótico "seguidor" intenta copiarlo. Crucialmente, el sistema no solo envía comandos de posición; también envía información de fuerza de ida y vuelta. Cuando el brazo seguidor golpea un obstáculo, el humano siente esa resistencia en su propia mano. Debido a que el humano está sintiendo activamente el contacto, el movimiento de su propio brazo representa su verdadera intención, mientras que el movimiento del seguidor muestra cómo reaccionó el robot al entorno. Al comparar la trayectoria del líder con la del seguidor, los investigadores pudieron calcular la diferencia entre dónde quería estar el humano y dónde estaba realmente el robot. Esta diferencia, combinada con la fuerza que el robot sintió (que fue estimada usando los sensores de par de las articulaciones nativos del robot), les permitió trabajar hacia atrás y determinar la rigidez exacta que el humano estaba aplicando.

Utilizando este método, el equipo recopiló un gran conjunto de demostraciones donde los humanos limpiaban una pizarra. Instruyeron a los humanos para que limpiaran marcas en la pizarra de forma "normal" o "firme". Debido a su nuevo método de cálculo, pudieron extraer una etiqueta precisa para la rigidez utilizada en cada momento del movimiento de limpieza, sin necesidad de sensores de fuerza especiales en la muñeca del robot. Luego, utilizaron estas etiquetas para ajustar un modelo de lenguaje-visión de gran tamaño, un tipo de inteligencia artificial que comprende imágenes y texto. Enseñaron a este modelo a emitir no solo una posición objetivo, sino también un valor de rigidez objetivo para cada movimiento que realiza.

Los resultados mostraron que este enfoque funcionó exactamente como se esperaba. Cuando los investigadores probaron la nueva política del robot, encontraron que podía cambiar genuinamente qué tan fuerte presionaba basándose en la instrucción de lenguaje. Cuando se le decía que limpiara "firmemente", el robot aumentaba su fuerza de contacto a un promedio de 9.1 Newtons. Cuando se le decía que limpiara "normalmente", reducía esa fuerza a 6.4 Newtons. Este cambio fue estadísticamente significativo y consistente. En contraste, otras políticas de robot probadas en el mismo estudio no lograron cambiar su comportamiento basándose en la instrucción. Algunas políticas que recibieron datos de fuerza como entrada todavía se movían de forma demasiado rígida, mientras que otras que intentaron adivinar la rigidez basándose en reglas fijas no pudieron adaptarse en absoluto. Solo la política entrenada con las nuevas etiquetas extraídas vinculó con éxito la palabra "firmemente" con un aumento físico de la presión.

Los investigadores también verificaron que el robot aprendió a ser selectivamente rígido. No se volvió uniformemente más duro en todas las direcciones; se volvió rígido en la dirección del movimiento de limpieza para resistir ser desviado de su curso, mientras permanecía más blando en otras direcciones. Este comportamiento anisotrópico, o rigidez dependiente de la dirección, es un rasgo sofisticado que imita cómo una mano humana se ajusta naturalmente a una tarea. El robot logró una tasa de éxito del 50 por ciento en la eliminación de tinta de la pizarra, que fue la más alta entre las cinco políticas diferentes probadas, y lo hizo provocando menos paradas de seguridad causadas por un exceso de fuerza.

A pesar de estos éxitos, el estudio reconoce ciertas limitaciones. El método depende de que el robot tenga sensores que midan el par en sus articulaciones, los cuales son comunes en robots de investigación pero no siempre en modelos comerciales más económicos. La técnica también requirió que el robot mantuviera una postura específica durante la calibración para asegurar que los cálculos de fuerza siguieran siendo precisos. Además, la rigidez rotacional, o cómo el robot resiste el giro, fue más difícil de medir con precisión porque la tarea de limpieza no implicaba suficiente movimiento de torsión para generar datos claros. Los investigadores señalaron que, si bien su método funciona bien para esta tarea específica, no es una solución universal para cada tipo de contacto que un robot pueda encontrar.

La importancia de este trabajo radica en cómo evita la necesidad de hardware especializado de fuerza-par o táctil costoso para enseñar a los robots sobre el tacto. Al utilizar los sensores de par de las articulaciones ya existentes en un brazo robótico y un ingenioso enfoque matemático para interpretar la intención humana, los investigadores crearon una forma de generar datos de entrenamiento de alta calidad para el cumplimiento a un costo adicional de cero. Esto sugiere que los robots podrían manejar tareas delicadas o de fuerza variable de manera mucho más efectiva en el futuro, simplemente observando a los humanos a través de un sistema que captura tanto el movimiento como la sensación de resistencia. El estudio demuestra que la clave para un mejor tacto robótico puede no ser mejores sensores, sino mejores formas de leer las señales que ya tenemos.

Resumen Técnico: Cumplimiento Gratuito: Aprendizaje de Impedancia Identificable mediante Teleoperación Bilateral

1. Planteamiento del Problema

Los modelos de Visión-Lenguaje-Acción (VLA) han revolucionado la manipulación robótica, pero fallan consistentemente en tareas ricas en contacto (por ejemplo, limpiar o insertar) porque solo emiten objetivos de pose, no la complacencia (rigidez) necesaria para modular las fuerzas de interacción. Aunque algunos trabajos recientes intentan emitir fuerza o complacencia, dependen de marcos de interacción especificados a mano, datos privilegiados de simulación o sensores dedicados de fuerza/par (F/T) y táctiles durante el entrenamiento y la inferencia.

El obstáculo central es un problema fundamental de identificabilidad en las interfaces de demostración estándar (por ejemplo, controladores VR, SpaceMice, sistemas bimanuales unilaterales). Estas interfaces registran únicamente la pose realizada por el robot ( $x_f$ ) y la fuerza de contacto resultante ( $f$ ). Sin embargo, la fuerza de contacto es el producto tanto de la pose de equilibrio pretendida por el operador ( $x_{eq}$ ) como de su rigidez ( $K$ ). Matemáticamente, un resorte blando estirado mucho y un resorte rígido estirado poco ejercen la misma fuerza. Sin una medición independiente de $x_{eq}$ , el equilibrio pretendido del operador y su rigidez están confundidos; ninguna cantidad de datos de solo pose puede desenredarlos. En consecuencia, las interfaces existentes no pueden proporcionar supervisión de complacencia en principio.

2. Metodología

A. Resolución de la Identificabilidad mediante Teleoperación Bilateral

Los autores proponen utilizar teleoperación bilateral de cuatro canales para romper la ambigüedad de la identificabilidad. En esta configuración, un brazo líder (controlado por el humano) y un brazo seguidor (el robot) están acoplados activamente.

Idea Clave: La trayectoria del brazo líder ( $x_l$ ) sirve como una medición física independiente de la pose de equilibrio ( $x_{eq}$ ) pretendida por el operador.
Mecanismo: Al sustituir $x_{eq} = x_l$ en la ley de impedancia $f(t) = K(t)(x_{eq}(t) - x_f(t)) + D(t)\dot{e}(t)$ , el error de desplazamiento $e(t)$ se vuelve directamente observable. Esto permite identificar $K(t)$ y $D(t)$ mediante regresión utilizando únicamente la detección de par en las articulaciones ya presente en el manipulador, eliminando la necesidad de sensores F/T externos.

B. Estimación de la Fuerza sin Sensores

Dado que el método depende de los sensores de par de las articulaciones en lugar de sensores F/T de muñeca, los autores implementan un procedimiento de estimación de fuerza sin sensores:

Compensación de Gravedad: Identifican la masa de la herramienta y su centro de masa utilizando poses estáticas para restar el componente de gravedad de los pares medidos en las articulaciones.
Corrección de Sesgo: Modelan el error residual (dependiente de la configuración y la velocidad) utilizando un banco de Características de Fourier Aleatorias ajustadas sobre barridos de espacio libre.
Piso de Ruido: Se mide un piso de ruido por eje ( $\sigma_{f,i}$ ) a partir de datos de espacio libre retenidos para asegurar que las estimaciones de fuerza estén por encima del ruido del sensor.

C. Extracción de Etiquetas de Complacencia

Los autores extraen etiquetas de complacencia anisotrópicas por paso de tiempo mediante un proceso de regresión enmascarada:

Marco de Contacto: Se ajusta un marco de contacto a la trayectoria de limpieza utilizando la Descomposición en Valores Singulares (SVD) para definir la normal de la superficie.
Regresión por Ventanas: Sobre ventanas deslizantes de 300 ms, un problema de mínimos cuadrados no lineales regularizado resuelve la rigidez ( $k$ ) y el amortiguamiento ( $d$ ) por eje.
Máscara de Identificabilidad: Se aplica una máscara binaria para retener solo las etiquetas cuando:
1. La matriz de regresión está bien condicionada.
2. El desplazamiento es significativo.
3. La fuerza supera el piso de ruido.
4. El sistema está en contacto.
  Esto genera un conjunto de datos de pares $(x_{eq}, \log K)$ con máscaras de validez, lo que requiere un coste de anotación cero.

D. Política VLA de Salida de Complacencia

Las etiquetas extraídas se utilizan para ajustar un VLA preentrenado (backbone SmolVLA):

Arquitectura: La política toma como entrada la visión (escena + cámara de muñeca), instrucciones de lenguaje (por ejemplo, "limpiar la marca izquierda con firmeza") y un token de historial de fuerza.
Salida: Predice un bloque de acciones futuras que contiene tanto una pose objetivo absoluta ( $x_{eq}$ ) como un objetivo de rigidez ( $\log K$ ).
Entrenamiento: Utiliza flow-matching para la pose y pérdida de Huber para la rigidez, aplicado únicamente en los pasos de tiempo enmascarados.
Control: Un controlador de impedancia cartesiana de bajo nivel sigue los objetivos por bloques de la política. El sistema emplea ensamblado temporal y compuerta de tanque de energía para garantizar la estabilidad y la pasividad.

3. Contribuciones Clave

Procedimiento de Extracción sin Sensores: Un método para resolver la ambigüedad de identificabilidad de pose mediante teleoperación bilateral, obteniendo etiquetas de complacencia por paso de tiempo utilizando únicamente los sensores de par nativos de las articulaciones.
Benchmark Offline: Demostración de que las etiquetas extraídas portan señal aprendible, con un predictor aprendido que supera a un predictor constante por eje en un factor de $1.25\times$ en el RMSE agregado en los ejes de traslación.
Política de Complacencia Condicionada por Instrucción: Una política VLA entrenada con estas etiquetas que rastrea con éxito objetivos de impedancia por bloques. Es la única política entre cinco líneas base cuya fuerza de contacto realizada cambia en respuesta a las instrucciones de lenguaje respecto al "modo" de la fuerza (por ejemplo, "con firmeza" vs. "normalmente").

4. Resultados Experimentales

El método fue evaluado en un robot Franka Research 3 realizando una tarea de limpieza de pizarra con instrucciones para limpiar "normalmente" o "con firmeza".

Condicionamiento por Instrucción: La política logró modular su rigidez de salida basándose en la instrucción.
- Demostración de Rigidez: Las demostraciones "firmes" mostraron una mayor rigidez ($146.2$ N/m) que las "normales" ($127.2$ N/m).
- Salida de la Política: La política reprodujo esta brecha ($141.2$ vs. $116.4$ N/m).
- Fuerza Realizada: Crucialmente, la fuerza de contacto realizada respondió a la instrucción: "Firme" resultó en $9.12$ N RMS, mientras que "Normal" resultó en $6.40 $N RMS ($ p=0.023$, Cohen's $d=0.8 bastante alto$).
Comparación con Baselines:
- Fixed-K: Utilizó rigidez constante; falló en modular la fuerza según la instrucción.
- Force-In: Consumía la fuerza como entrada pero solo producía la pose; falló en modular la fuerza.
- Hybrid: Predijo la rigidez pero mediante una cabeza de regresión separada; la rigidez comandada no se tradujo en cambios de la fuerza realizada.
- Ours (Nuestro método): La única política donde la fuerza de contacto realizada respondió estadísticamente a la instrucción de lenguaje.
Rendimiento de la Tarea: La política propuesta logró el mayor índice de éxito (50.0%) y eliminación de tinta (40.8%) manteniendo fuerzas de contacto pico y RMS más bajas en comparación con el baseline Fixed-K, lo que resultó en menos paradas de protección (1 vs. 6).

5. Significado y Reivindicaciones

El artículo afirma que la barrera principal para aprender la manipulación complaciente no es la arquitectura del modelo, sino la interfaz de demostración. Las interfaces estándar confunden el equilibrio y la rigidez, haciendo imposible la supervisión de la complacencia sin hardware externo o simulación.

Al utilizar teleoperación bilateral de cuatro canales, los autores demuestran que:

La complacencia se puede extraer gratuitamente: No se requieren sensores F/T o táctiles adicionales durante el entrenamiento o la inferencia; el brazo líder proporciona la señal de equilibrio necesaria.
La complacencia es una acción aprendible: Un VLA puede ser entrenado para emitir objetivos de rigidez que son físicamente realizados por el robot.
Es posible la fuerza condicionada por instrucción: El sistema puede modular la fuerza de contacto basándose en lenguaje natural ("con firmeza" vs. "normalmente") sin depender de restricciones rígidas o información privilegiada.

Los autores enfatizan que predecir la complacencia no es suficiente; la política también debe rastrearla. Su enfoque logra esto decodificando la pose y la rigidez a través de un objetivo compartido, lo que resulta en un comportamiento anisotrópico genuino donde el robot resiste la deflexión fuera de la trayectoria del trazo cuando se le instruye para limpiar "con firmeza", en lugar de simplemente presionar más fuerte contra la pizarra.

6. Limitaciones

Los autores reconocen varias limitaciones:

Dependencia de la Configuración: La estimación de la fuerza sin sensores requiere una postura de nulidad fija y un espacio de trabajo restringido.
Impedancia Rotacional: Los canales rotacionales fueron débilmente identificados en esta tarea específica (la limpieza apenas excita la orientación), y la rigidez rotacional extraída a menudo se satura en el límite inferior del controlador.
Alcance: La evidencia se limita a una sola tarea (limpieza) y plataforma (Franka Research 3).
Potencia de Ablación: El estudio de ablación del canal de fuerza fue insuficiente debido a un presupuesto pequeño de ejecuciones (rollouts), dejando abierto a investigación el papel causal del token de entrada de fuerza.