Resumen Técnico: ForceTwin

Planteamiento del Problema

La manipulación robótica de objetos articulados (por ejemplo, puertas, cajones, hornos) requiere más que conocimiento geométrico y cinemático; requiere una comprensión de la dinámica física que rige la interacción. Estas dinámicas incluyen la inercia, la fricción (Coulomb y viscosa) y las fuerzas de mecanismos dependientes del estado (por ejemplo, cierres de puertas, resortes). Crucialmente, estas propiedades son específicas de cada instancia y a menudo son invisibles para los modelos basados en la apariencia. Objetos visualmente idénticos pueden poseer cargas de inercia o mecanismos internos muy diferentes, lo que conduce a estimaciones físicamente implausibles si se depende únicamente de modelos visuales o de lenguaje.

Los flujos de trabajo de gemelos digitales existentes suelen recuperar solo estructuras cinemáticas o asignar parámetros físicos estáticos basados en prioridades visuales. En consecuencia, no logran capturar las respuestas de mecanismos no lineales y dependientes del estado, que los formatos de activos estándar no pueden representar. Además, aunque existen métodos de sondeo mediante robots, estos suelen requerir el despliegue de un robot y recuperan únicamente modelos de fricción simplificados y constantes, perdiendo de vista la compleja dinámica de los mecanismos.

Metodología: ForceTwin

Los autores proponen ForceTwin, un sistema que identifica gemelos digitales informados por la física de objetos articulados a través de la interacción humana instrumentada. La premisa central es que un operador humano, utilizando una pinza de detección de fuerza manual, puede sondear un objeto de manera segura y eficiente para excitar todo su rango dinámico, proporcionando datos que son difíciles de capturar con un robot por sí solo.

1. Adquisición de Datos

Un operador humano sujeta un objeto con una herramienta de detección de fuerza (pinza Hoi!) y lo manipula a través de un rango de velocidades y aceleraciones. El sistema registra dos flujos de datos sincronizados:

• Pose de la Herramienta ($WTTCP$): La trayectoria del punto central de la herramienta en el marco de referencia del mundo.
• Wrench de Contacto ($WF$): El wrench (fuerza/par) 6D aplicado por la herramienta al objeto, compensado por el propio peso e inercia de la pinza.

2. Estimación de la Cinemática

El sistema primero estima la estructura de articulación (tipo de junta: revoluta o prismática, y eje de la junta).

• Modela el movimiento de la herramienta como un movimiento de tornillo unidimensional en la forma de producto de exponenciales.
• Selecciona la clase de articulación utilizando el Criterio de Información Bayesiana (BIC).
• Un grafo de factores refina la geometría de la junta y los estados por muestra, imponiendo un paso de tornillo cero para las juntas revolutas.

3. Identificación de la Dinámica

El sistema formula la identificación del esfuerzo generalizado ($\tau$) como un modelo parcialmente lineal semiparamétrico. El esfuerzo total requerido para mover el objeto se modela como:
$$\tau = \underbrace{I \ddot{q} + \mu \text{sgn}(\dot{q}) + b \dot{q}}_{\text{Dinámica Paramétrica Efectiva}} + \underbrace{g_\theta(q) + c_\phi(q, |\dot{q}|)\dot{q}}_{\text{Residuo de Mecanismo Estructurado}} + \epsilon$$

• Términos Paramétricos: La inercia ($I$), la fricción de Coulomb ($\mu$) y el amortiguamiento viscoso ($b$) se estiman mediante mínimos cuadrados no negativos. Esto asegura parámetros físicamente válidos (por ejemplo, masa no negativa) que se mapean directamente a simuladores estándar.
• Residuo Neuronal Estructurado: El comportamiento restante dependiente del estado (mecanismos como cierres de puertas) se captura mediante una red neuronal estructurada.
  • $g_\theta(q)$: Una carga dependiente de la configuración (por ejemplo, fuerza de resorte).
  • $c_\phi(q, |\dot{q}|)$: Un coeficiente de amortiguamiento que permite una asimetría direccional manteniendo la no negatividad.
• Estrategia de Ajuste: Los coeficientes paramétricos se ajustan primero, seguidos del entrenamiento de una red residual sobre el error restante. Este enfoque secuencial regulariza la descomposición, aunque los autores reconocen que la descomposición no es estrictamente única (por ejemplo, el amortiguamiento de un mecanismo constante puede ser absorbido por el término viscoso).

4. Ensamblaje del Gemelo

El modelo físico identificado se registra en un activo geométrico (reconstruido a partir de la misma grabación o proporcionado por separado). El modelo se transforma al marco de coordenadas del activo, se reparametriza para coincidir con las convenciones de la junta y se exporta. La parte paramétrica se escribe en los campos estándar del simulador, mientras que el término de mecanismo no lineal se evalúa como un esfuerzo de junta dependiente del estado o se aproxima como un resorte-amortiguador para su exportación.

Contribuciones Clave

1. Identificación de Sistemas mediante Interacción Humana: Introducción de un flujo de trabajo para identificar la dinámica de objetos articulados específicos de una instancia utilizando una pinza manual con detección de fuerza, desacoplando la identificación del despliegue de un robot.
2. Modelado Semiparamétrico: Formulación de un modelo híbrido que combina términos paramétricos con restricciones físicas (inercia, fricción) con un residuo neuronal estructurado para mecanismos no lineales. Esto produce parámetros compatibles con la simulación y un modelo predictivo del esfuerzo de la junta.
3. Utilidad Dual (Control y Simulación): Demostración de que un único gemelo identificado sirve tanto para un modelo de dinámica de alimentación hacia adelante (feedforward) en el control de robots reales como para un activo de alta fidelidad para el aprendizaje por refuerzo.

Resultados Experimentales

Fidelidad de la Estimación

• Cinemática: ForceTwin supera a las bases puramente visuales (OPDMulti) y mejora ligeramente a las bases basadas en interacción (MoMa-SG) en la estimación del eje, logrando una precisión del 100% en el tipo de junta y reduciendo el error de posición del eje a la mitad en comparación con MoMa-SG.
• Parámetros Inerciales: En comparación con un prior de Modelo de Lenguaje Visual (VLM), ForceTwin reduce el error absoluto relativo medio macro en la estimación de parámetros inerciales del 53.0% al 29.5%. El prior VLM subestima consistentemente la inercia, particularmente para objetos con mucha carga, mientras que las estimaciones de ForceTwin son más precisas, aunque ligeramente sesgadas al alza debido al esfuerzo no modelado absorbido.
• Fidelidad del Sistema: En experimentos de oscilación libre (liberando puertas desde ángulos específicos), los gemelos de ForceTwin redujeron el error de tiempo de cierre del 57.7% (prior VLM) al 16.3%.

Manipulación de Robots Reales

Los gemelos identificados se desplegaron como términos de alimentación hacia adelante en un controlador de impedancia cartesiana en un robot Spot y un brazo Franka FR3 a través de nueve pares objeto-encarnación.

• Cumplimiento de Objetivo: ForceTwin logró una tasa media de cumplimiento de objetivos del 87.3%, superando significativamente al prior VLM (59.7%) y a los gemelos de solo cinemática (56.9%).
• Mecanismos Fuertes: La brecha de rendimiento se amplió en objetos con mecanismos fuertes (por ejemplo, hornos, puertas metálicas). Las bases se estancaron con un cumplimiento <5% porque sus modelos de alimentación hacia adelante suministraban fuerza insuficiente, mientras que ForceTwin logró cumplimientos del 67–100%.
• Error de Seguimiento: ForceTwin logró el RMSE de seguimiento más bajo en todos los objetos.

Aprendizaje de Políticas

Las dinámicas identificadas se exportaron a Isaac Lab para entrenar políticas de trayectoria de cuerpo completo para un cuadrúpedo ANYmal.

• Las políticas entrenadas con las dinámicas identificadas se transfirieron con éxito a puertas de madera y metal en el mundo real.
• La política de la puerta de madera ejecutó un movimiento suave, mientras que la de la puerta de metal exhibió un comportamiento de "parada y arranque" debido a un mayor jerk, atribuido a diferencias de calibración sim-to-real más que al modelo en sí.

Significado y Reivindicaciones

El artículo afirma que ForceTwin aborda una brecha crítica en la manipulación robótica: la incapacidad de los flujos de trabajo de gemelos digitales actuales para capturar la dinámica específica de la instancia y dependiente del estado sin el despliegue previo de un robot. Al aprovechar la interacción humana, el sistema recupera parámetros físicos que son casi dos veces más precisos que los prior visuales para la inercia y modela con éxito mecanismos no lineales que causan el fallo de los controladores estándar.

Los autores enfatizan que el gemelo identificado no es simplemente un activo de simulación, sino un componente de control funcional. Permite a los robots manipular objetos con mecanismos internos fuertes (como puertas con resorte) que causan que los modelos de solo cinemática o basados en prior se detengan. Además, el sistema demuestra que estos modelos identificados pueden integrarse directamente en flujos de trabajo de aprendizaje por refuerzo, cerrando la brecha sim-to-real para tareas de contacto de cuerpo completo.

Los autores mantienen la modestia respecto a las limitaciones: la descomposición de los términos de esfuerzo no es única, el modelo carece de memoria (ignorando la histéresis y la estática/stiction), y la identificación es específica de la instancia, requiriendo un sondeo activo en lugar de una observación pasiva. Señalan que transferir la dinámica a partes no sondeadas sigue siendo un desafío abierto.