💻 computer science

SI-Diff: A Framework for Learning Search and High-Precision Insertion with a Force-Domain Diffusion Policy

Ce papier présente SI-Diff, un cadre de politique de diffusion unifié dans le domaine des forces qui intègre un mécanisme novateur de conditionnement par mode et une politique enseignante de recherche pour apprendre simultanément une recherche robuste et un insertion de haute précision, améliorant ainsi considérablement la tolérance aux désalignements et la transférabilité en zéro-shot par rapport aux références existantes.

Auteurs originaux : Yibo Liu, Stanko Oparnica, Simon Shewchun-Jakaitis, Guoyi Fu, Jie Wang, Jun Yang, Anand Jagannathan, Tony Hong-Yau Lo

Publié 2026-05-13

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Yibo Liu, Stanko Oparnica, Simon Shewchun-Jakaitis, Guoyi Fu, Jie Wang, Jun Yang, Anand Jagannathan, Tony Hong-Yau Lo

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous essayez d'enfiler une clé dans une serrure, mais que vous portez des gants épais et que vous ne voyez pas très bien le trou de la serrure. Vous devez vous guider au toucher. Si la clé est légèrement décalée, vous risquez simplement de la pousser tout droit et de rester coincé. Si vous savez exactement où se trouve le trou, vous pouvez l'enfiler parfaitement. Mais que se passe-t-il si vous avez besoin qu'un robot fasse cela, et que le robot ne sait pas exactement où se trouve le trou ?

Ce document présente SI-Diff, un nouveau « cerveau » pour les robots qui résout exactement ce problème. Il apprend à un robot comment faire deux choses très différentes en utilisant le même ensemble d'instructions : chercher le trou lorsqu'il est perdu, et glisser l'objet dedans une fois qu'il l'a trouvé.

Voici comment cela fonctionne, décomposé avec des analogies simples :

1. Le Problème : Deux Mouvements Différents

Habituellement, on apprend aux robots à effectuer ces tâches séparément.

La Recherche : Si le robot est perdu, il doit se tortiller et balayer la zone (comme une personne cherchant un interrupteur dans le noir).
L'Insertion : Une fois trouvé, il doit être très délicat, se tortillant juste assez pour glisser l'objet dedans sans rester coincé (comme enfiler une aiguille).

La plupart des robots doivent changer de « mode » ou charger différents logiciels pour faire ces deux choses. Les auteurs voulaient créer un cerveau de robot unique capable de faire les deux sans changer de vitesse, tout comme un travailleur humain qui peut tâtonner pour trouver un trou puis glisser un pion dedans sans réfléchir à changer d'outil.

2. La Solution : Une Politique de « Diffusion »

L'équipe a utilisé un type d'IA appelé une Politique de Diffusion.

L'Analogie : Imaginez la diffusion comme un sculpteur qui commence avec un bloc d'argile bruyant et aléatoire, et qui enlève lentement le bruit jusqu'à ce qu'une statue parfaite émerge.
Dans le Robot : Le robot commence par une hypothèse aléatoire sur la façon de bouger son bras. L'IA « débruite » cette hypothèse, l'affinant étape par étape en fonction de ce que les capteurs du robot (toucher et force) lui indiquent, jusqu'à ce qu'il trouve le mouvement parfait pour soit chercher, soit insérer.

3. L'Ingrédient Secret : Le Commutateur de « Mode »

Le plus grand défi était d'apprendre à l'IA de savoir quel mouvement faire (recherche vs insertion) sans changer le code.

L'Analogie : Imaginez un lecteur de musique qui peut jouer à la fois une « Chanson de Recherche » et une « Chanson d'Insertion ». Habituellement, vous auriez besoin de deux lecteurs différents. SI-Diff utilise un Prompt de Mode, qui est comme un bouton de « changement de piste ».
Comment cela fonctionne : On dit au robot : « Right now, you are in Search Mode » ou « Right now, you are in Insertion Mode ». Cette petite instruction dit à l'IA de regarder les mêmes données de capteurs mais de les interpréter différemment. En mode Recherche, elle cherche des motifs qui signifient « continuez à chercher ». En mode Insertion, elle cherche des motifs qui signifient « tournez doucement pour s'adapter ».

4. Le Professeur : Apprendre d'un Guide Intelligent

Les robots apprennent mieux en regardant des experts. Les auteurs ont créé une « Politique Enseignante » (un ensemble de règles) pour générer des données d'entraînement.

Le Professeur de Recherche : Au lieu de simplement dessiner une spirale parfaite (qui pourrait manquer le trou), ce professeur est un peu chaotique. Il essaie huit motifs de recherche différents avec des vitesses et des directions aléatoires. C'est comme un professeur qui ne vous montre pas juste une façon de trouver un objet perdu, mais qui vous montre beaucoup de façons différentes de balayer le sol pour que vous appreniez à vous adapter.
Le Professeur d'Insertion : Ce professeur sait comment faire sortir un pion coincé d'un endroit serré, un tour de force que les humains utilisent instinctivement.

Le robot observe des milliers de ces tentatives « réussies » par le professeur et apprend à copier la sensation du succès.

5. Les Résultats : De « Peut-être » à « Certainement »

L'équipe a testé son robot contre les meilleures méthodes actuelles (comme un système appelé TacDiffusion).

L'Ancienne Façon : Si le pion était décalé de plus de 2 millimètres (environ l'épaisseur d'une carte de crédit), le robot échouait généralement. Il était trop rigide.
SI-Diff : Le nouveau système pouvait gérer des désalignements allant jusqu'à 5 millimètres. Il était beaucoup plus tolérant aux erreurs.
Magie du Zéro Coup : Même si le robot n'avait été entraîné que sur un bloc carré, il pouvait insérer avec succès des formes invisibles comme des cylindres, des triangles et même un connecteur USB. Il a appris le concept de la recherche et de l'insertion, et non pas simplement la forme spécifique du bloc.

Résumé

SI-Diff est un système de contrôle de robot qui utilise un modèle d'IA unique pour à la fois chasser un trou et glisser un objet dedans. En utilisant un « commutateur de mode » et en apprenant d'un ensemble diversifié de démonstrations « enseignantes », il rend les robots beaucoup plus robustes, leur permettant de gérer des erreurs plus importantes et de travailler avec des formes qu'ils n'ont jamais vues auparavant, le tout sans avoir besoin de changer de logiciel ou de se reprogrammer.

Résumé technique : SI-Diff : un cadre pour l'apprentissage de la recherche et de l'insertion haute précision avec une politique de diffusion dans le domaine des forces

Énoncé du problème
L'assemblage riche en contacts, en particulier les tâches d'insertion de pion dans un trou, fait face à des défis majeurs dus aux incertitudes des poses relatives, telles que les désalignements et les jeux réduits. Les approches existantes traitent généralement la phase de « recherche » (résolution des désalignements importants en x–y) et la phase d'« insertion haute précision » (résolution des blocages dans les jeux réduits) comme des problèmes distincts nécessitant des stratégies différentes ou des changements de modèle. Bien que le servo-asservissement visuel puisse réaliser un alignement grossier, sa précision est souvent insuffisante pour les tâches à jeu submillimétrique, rendant nécessaires des méthodes basées sur la force. Les méthodes actuelles de l'état de l'art, telles que TacDiffusion [1], excellent dans l'insertion haute précision mais supposent que le pion et le trou sont déjà globalement alignés, échouant lorsque les désalignements initiaux dépassent 2 mm. À l'inverse, les stratégies de recherche manquent souvent de l'adaptabilité pour passer de manière transparente à l'insertion de précision. Il existe un besoin d'un cadre unifié capable d'apprendre et d'exécuter deux modèles d'action distincts sans changer de modèle ni de poids.

Méthodologie
Les auteurs proposent SI-Diff, un cadre unifiant recherche et insertion haute précision au sein d'une seule politique de diffusion dans le domaine des forces.

Architecture du système : Le système emploie un contrôleur d'impédance basé sur une force en feedforward. Le modèle apprend à générer des forces en feedforward ( $F_{ff}$ ) à partir d'observations tactiles et cinématiques. L'état d'entrée comprend le wrench externe ( $\tau_{ext}$ ), le wrench interne ( $\tau_{in}$ ) et les vitesses de l'effecteur terminal ( $v_e$ ) provenant des trames actuelles et précédentes.
Politique de diffusion dans le domaine des forces : Le cœur est un Modèle Probabiliste de Diffusion de Débruitage (DDPM) qui mappe un bruit gaussien vers la distribution cible de $F_{ff}$ . Le modèle est entraîné à prédire le bruit ajouté à chaque étape de diffusion, conditionné par l'état du robot.
Mécanisme de conditionnement par mode : Pour permettre à un seul modèle de gérer deux comportements distincts (recherche et insertion), les auteurs introduisent un mécanisme de conditionnement par mode. Inspiré par la tokenisation du traitement du langage naturel, des indices de mode discrets (0 pour la recherche, 1 pour l'insertion) sont intégrés dans des vecteurs apprenables de haute dimension. Ces jetons de mode sont préfixés à la séquence de jetons d'état du robot, permettant au modèle de diffusion d'apprendre des modèles d'action distincts basés sur l'invite de mode spécifiée.
Politiques enseignantes :
- Enseignant de recherche : Une nouvelle politique basée sur des règles est développée pour générer des trajectoires de recherche diversifiées. Contrairement aux recherches en spirale fixes, cette politique randomise les paramètres (par exemple, direction de recherche, amplitude, fréquence) et s'adapte en fonction des forces externes pour assurer une exploration efficace. Elle conserve uniquement les démonstrations réussies et efficaces (terminées en moins de 2,5 secondes) pour l'entraînement.
- Enseignant d'insertion : Le cadre utilise la méthode d'insertion tactile auto-adaptative de [2] (et TacDiffusion [1]) comme enseignante pour la phase d'insertion. Cette politique détecte les états « bloqués » via la surveillance de la force résiduelle et applique des mouvements de secousse sinusoïdaux pour échapper aux blocages.
Stratégie d'entraînement : Le modèle est entraîné sur un ensemble de données comprenant 300 démonstrations de recherche réussies et 1 500 démonstrations d'insertion. Pour remédier au déséquilibre des classes, un Échantillonnage de Lots Équilibrés (BBS) est employé.

Contributions clés

Cadre unifié : Développement d'un cadre novateur (SI-Diff) qui apprend à la fois la recherche et l'insertion haute précision en utilisant une seule politique de diffusion dans le domaine des forces, éliminant ainsi le besoin de changement de modèle.
Conditionnement par mode : Conception d'un nouveau mécanisme de conditionnement permettant au modèle d'exécuter des modèles d'action distincts (recherche exploratoire vs secousse de précision) basés sur une invite de mode, permettant l'apprentissage simultané des deux tâches.
Enseignant de recherche diversifié : Création d'une politique enseignante de recherche efficace générant des trajectoires diversifiées et randomisées, facilitant la collecte de données efficace et l'apprentissage robuste des mappings force-action.

Résultats expérimentaux
Les expériences ont été menées avec un robot Franka Emika à 7 degrés de liberté et un pion cubique à jeu de 0,1 mm pour l'entraînement. La méthode a été évaluée par rapport à TacDiffusion [1], à des variantes basées sur des règles (Teacher-D, Teacher-R) et à FORGE [3] sur neuf formes (incluant des géométries inédites comme des prismes hexagonaux, des cylindres et des connecteurs USB-A) et des niveaux de désalignement allant de 2 mm à 5 mm.

Tolérance au désalignement : SI-Diff a étendu la tolérance aux désalignements en x–y de 2 mm (la limite de TacDiffusion) à 5 mm.
Taux de réussite : Sur la forme cubique d'entraînement, SI-Diff a atteint un taux de réussite de 95,8 % sur tous les niveaux de désalignement, surpassant significativement TacDiffusion (29,1 %) et autres bases de comparaison. Il a maintenu des taux de réussite élevés (90 %–97 %) sur des formes inédites, y compris des géométries complexes comme des prismes triangulaires et pentagonaux.
Efficacité : SI-Diff a démontré une efficacité supérieure, avec les temps d'exécution moyens les plus bas (à la fois incluant les échecs et uniquement les succès) par rapport aux concurrents.
Transfert zéro-shot : Le modèle, entraîné sur une seule forme cubique, a démontré une transférabilité robuste en zéro-shot vers des formes inédites sans réentraînement.
Comportement qualitatif : Le modèle a appris à adapter dynamiquement sa stratégie de recherche, présentant des amplitudes et des fréquences variables qui diminuaient à mesure que l'alignement s'améliorait, contrairement aux modèles fixes de la politique enseignante.

Signification et affirmations
L'article affirme que SI-Diff comble le fossé technologique entre les stratégies de recherche et d'insertion, offrant une solution plus intégrée pour les systèmes d'assemblage intelligents. En apprenant à partir de démonstrations réussies et efficaces fournies par la nouvelle politique enseignante, le modèle surpasse à la fois la politique enseignante et la base de comparaison de l'état de l'art (TacDiffusion) en termes de taux de réussite et d'efficacité. La signification principale réside dans la capacité à gérer de plus grands désalignements initiaux (jusqu'à 5 mm) tout en maintenant des capacités d'insertion haute précision au sein d'un cadre unique, réduisant ainsi la complexité de l'ingénierie et facilitant l'intégration dans des applications industrielles réelles. Les auteurs notent que, bien que la méthode soit robuste, le changement de mode est actuellement déclenché par un déplacement en z plutôt que par des indices tactiles appris, et que la portée se limite aux désalignements en x–y et à l'insertion dans des jeux réduits.