Riepilogo Tecnico: FILIC – Dual-Loop Force-Guided Imitation Learning con Impedance Torque Control

Problematica

I compiti di manipolazione ricchi di contatto, come l'inserimento, l'assemblaggio e la manipolazione in mano, richiedono una regolazione precisa della forza per interagire in modo sicuro ed efficace con gli ambienti fisici. Sebbene l'Imitation Learning (IL) sia diventato un paradigma dominante per l'acquisizione di tali abilità, gli approcci convenzionali rimangono ampiamente centrati sulla posizione. Questi metodi tipicamente generano posizioni articolari o pose a 6 gradi di libertà (6-DOF), il che spesso induce forze interne eccessive durante il contatto, rischiando di danneggiare il robot e l'ambiente.

Sebbene il feedback della forza all'estremità dell'effettore sia critico per un comportamento conforme, affidarsi a sensori di Forza/Coppia (F/T) montati sul polso limita la scalabilità a causa degli elevati costi e della complessità hardware. Inoltre, i tentativi esistenti di incorporare la forza nell'IL la trattano spesso solo come un segnale ausiliario per il controllo di posizione, piuttosto che sfruttarla per un'esecuzione conforme. Rimane un divario significativo nel dispiegamento di sistemi di controllo a livello di coppia, stabili e conformi, in contesti a basso costo e privi di sensori dedicati.

Metodologia: Il Framework FILIC

Per affrontare queste sfide, gli autori propongono FILIC (Force-guided Imitation Learning with Impedance torque Control), un'architettura a doppio loop che integra una politica di IL ad alto livello basata su Transformer con un controllore di impedenza a basso livello.

1. Architettura di Controllo a Doppio Loop

Il sistema opera su due scale temporali distinte per bilanciare percezione, pianificazione ed esecuzione:

• Outer Loop (25 Hz): Una politica di IL basata su Transformer elabora input sensoriali multimodali, tra cui immagini visive (codificate tramite ResNet), posa dell'end-effector ed forza esterna stimata. La politica predice una sequenza di pose target dell'end-effector a 6-DOF. Questo loop utilizza un approccio di Action Chunking con Transformers (ACT) per migliorare la coerenza temporale e la robustezza.
• Inner Loop (2 kHz): Le pose target predette vengono convertite in angoli articolari tramite cinematica inversa (IK). Un controllore di impedenza nello spazio articolare esegue i comandi di coppia ad alta frequenza. Questo loop impiega un modello semplificato massa-molla-smorzatore (omettendo il termine d'inerzia per evitare il rumore di accelerazione) per garantire un'esecuzione a livello di coppia stabile e conforme. Un modulo di compensazione della gravità gira a 250 Hz per supportare la stima della dinamica.

2. Stima della Forza dell'End-Effector Senza Sensori

Un'innovazione centrale di FILIC è la sua capacità di stimare le wrench (forze e momenti) dell'end-effector senza sensori F/T dedicati.

• Inversione Basata sul Jacobiano: Il sistema sfrutta la relazione analitica tra le coppie articolari e le forze dell'end-effector: $\tau_{ext} = J(q)^T F_{ext}$. Invertendo la trasposta del Jacobiano, il sistema stima le forze esterne dalle misurazioni della coppia articolare.
• Digital Twin Sincrono: Per gestire fattori del mondo reale come il rumore dei sensori, l'attrito e la compliance meccanica, gli autori impiegano un digital twin ad alta fedeltà (simulato in MuJoCo). Questo gemello è sincronizzato con le posizioni e le velocità articolari del robot fisico per calcolare le coppie articolari attese ($\tau_{inv}$). La forza esterna viene quindi stimata confrontando le coppie osservate ($\tau_{obs}$) con le coppie previste dal modello ($\tau_{inv}$):
  $$F_{ext} = J(q)^T + (\tau_{obs} - \tau_{inv})$$
  Questo approccio elimina la necessità di costosi componenti hardware fornendo al contempo rappresentazioni di forza intuitive per la politica di IL.

3. Raccolta Dati con Feedback Aptico

Per garantire dati di dimostrazione di alta qualità che catturino variazioni di forza significative, gli autori utilizzano un'interfaccia di teleoperazione manuale a basso costo dotata di feedback aptico vibrotattile. Le forze stimate dell'end-effector sono mappate in frequenze di vibrazione, permettendo agli operatori umani di percepire intuitivamente l'intensità del contatto e regolare le proprie azioni di conseguenza.

Contributi Chiave

Il documento delinea tre contributi primari:

1. Stima della Forza Senza Sensori: Un metodo a basso costo per stimare le wrench dell'end-effector utilizzando un digital twin sincrono e l'inversione basata sul Jacobiano, con un'implementazione open-source.
2. Framework a Doppio Loop: Un'architettura innovativa che combina una politica di imitazione a alto livello basata su Transformer (che fonde input visivi e di forza) con un controllore di impedenza a basso livello, consentendo la manipolazione conforme senza sensori F/T al polso.
3. Validazione delle Prestazioni: Evidenza empirica che dimostra come la sostituzione della coppia articolare grezza con la forza stimata dell'end-effector migliori significativamente le prestazioni della politica nei compiti ricchi di contatto.

Risultati Sperimentali

Gli autori hanno valutato FILIC attraverso scenari di simulazione e del mondo reale coinvolgenti quattro compiti ricchi di contatto: inserimento di un adattatore di corrente, azionamento di un pulsante di arresto di emergenza, fissaggio di un morsetto a C e serraggio di un tappo di una bottiglia.

• Accuratezza della Stima della Forza: Test di carico statico su un manipolatore a 6-DOF hanno confermato la capacità dello stimatore di tracciare i carichi gravitazionali con un errore medio e una deviazione standard bassi.
• Prestazioni della Politica (Simulazione):
  • Baseline di sola posizione: tasso di successo del 68,0%.
  • Posizione + Coppia Articolare: tasso di successo dell'80,0%.
  • Posizione + Forza EE Stimata (FILIC): tasso di successo del 90,0%.
• Prestazioni della Politica (Mondo Reale):
  • FILIC ha superato costantemente sia la baseline di sola posizione che quella di posizione più coppia articolare in tutti e quattro i compiti.
  • I miglioramenti rispetto alla sola posizione sono variati da +33,3 pp (Plug) a +53,4 pp (Cap).
  • Crucialmente, la Forza EE Stimata ha superato costantemente gli input di Coppia Articolare grezza (ad esempio, un miglioramento di +16,7 pp nel compito Plug), indicando che la wrench stimata fornisce un segnale di contatto più allineato al compito.

Significato e Rivendicazioni

Il documento afferma che FILIC riesce a colmare il divario tra l'imitation learning moderno e l'interazione fisica conforme senza fare affidamento su hardware costoso. Unificando una politica semantica di alto livello con un controllore di coppia a basso livello e uno stimatore di forza senza sensori, il framework raggiunge una manipolazione più sicura, conforme e adattabile in contesti ricchi di contatto.

Gli autori sottolineano che il loro approccio consente ai robot di sfruttare le ricche dinamiche di interazione fisica in contesti con risorse limitate. I risultati suggeriscono che la rappresentazione esplicita della forza, derivata tramite la stima basata sul digital twin, è superiore alla coppia articolare grezza per guidare le politiche di IL in scenari di contatto. Il lavoro conclude che tale framework abilita una destrezza simile a quella umana in ambienti non strutturati, mantenendo scalabilità e accessibilità.