TacSE3: Equivariant SE(3) Motion Estimation from Low-Texture Visuotactile Images for In-Gripper Tracking and Compensation

Sintesi Tecnica: TacSE3 – Stima Equivariante del Movimento SE(3) da Immagini Visuo-tattili a Bassa Texture

Enunciato del Problema
La manipolazione robotica in mano incontra frequentemente scenari in cui il tracciamento visivo fallisce a causa di occlusioni o della mancanza di caratteristiche visive salienti. Sebbene i Sensori Tattili Basati su Visione (VBTS) offrano un'alternativa promettente per le interazioni ricche di contatto, le pipeline convenzionali di stima del movimento, che si basano sulla texture dell'immagine, sul tracciamento di marcatori o sul flusso ottico denso, faticano con oggetti a bassa texture o simmetrici (ad esempio, sfere lucidate). In queste condizioni, sottili movimenti rotazionali inducono cambiamenti minimi nell'aspetto, rendendo inaffidabili i metodi basati sulla corrispondenza. Inoltre, le configurazioni con singolo sensore soffrono spesso di ambiguità tra movimenti traslazionali e rotazionali, poiché entrambi possono produrre pattern di deformazione locale simili. Il lavoro affronta la sfida di costruire una stima affidabile del movimento SE(3) direttamente da immagini tattili a bassa texture, senza fare affidamento su un esplicito matching di texture.

Metodologia: Pipeline TacSE3
Il metodo proposto, TacSE3, riformula l'immagine tattile non come un input visivo testurizzato, ma come una misura geometrica del contatto. La pipeline procede attraverso le seguenti fasi:

1. Costruzione Disaccoppiata del Campo di Forza 3D:
   Invece di tracciare caratteristiche dell'immagine, il metodo elabora le osservazioni tattili grezze per ricostruire un denso campo di forza 3D. Utilizzando un VBTS a pattern di colori densi (nello specifico DM-Tac), il sistema scompone la risposta tattile in componenti tangenziali (di taglio) e normali. Ciò viene ottenuto tramite la decomposizione di Helmholtz–Hodge del campo di spostamento planare, separando le componenti senza rotore (divergenza) e senza divergenza (rotore) per derivare le distribuzioni spaziali delle forze normali e di taglio.

2. Generazione di Punti di Contatto e Proxy di Movimento:
   Il sistema identifica le regioni di contatto attive basandosi sulla risposta normale significativa. Per ogni pixel valido, viene costruito un punto di contatto 3D nel riferimento tattile locale. Le risposte di forza tangenziale e normale vengono calibrate per fungere da proxy di velocità locale, approssimando il movimento istantaneo del punto di contatto.

3. Stima del Corpo Rigido SE(3):
   I proxy di velocità locale sono modellati utilizzando un'equazione di twist per corpo rigido ($v = \omega \times q + t$). Il processo di stima impiega una specifica strategia di disaccoppiamento:

   • Traslazione: La traslazione planare è derivata strettamente dal movimento del baricentro del contatto sul piano del sensore, piuttosto che essere adattata congiuntamente alla rotazione.
   • Rotazione: La rotazione è stimata separatamente adattando i vincoli di movimento legati al taglio al modello di corpo rigido.
     Questa separazione evita l'ill-condizionamento spesso riscontrato nei problemi di minimi quadrati accoppiati di traslazione-rotazione e fornisce un segnale fisicamente interpretabile.

4. Integrazione Temporale ed Equivarianza:
   Il twist istantaneo stimato viene integrato nel tempo utilizzando la mappa esponenziale sulla varietà SE(3) per produrre una traiettoria di posa continua. Il metodo garantisce la coerenza delle coordinate equivariante: il movimento stimato è definito nel riferimento dell'end-effector, assicurando che lo stesso movimento sottostante dell'oggetto produca stime coerenti indipendentemente dalle variazioni della posa globale del robot o dalla posizione specifica del contatto sul sensore.

5. Fusione a Doppio Sensore:
   Per risolvere l'ambiguità traslazione-rotazione, il sistema utilizza due sensori tattili montati su dita di presa opposte. Applicando una trasformazione a matrice di segno per tenere conto dei riferimenti coordinati specchiati, il sistema fonde le stime del twist. Ciò permette al sistema di distinguere tra movimento traslazionale (che produce direzioni di forza coerenti tra i sensori) e movimento rotazionale (che produce pattern di forza opposti).

6. Integrazione del Controllo Residuale:
   Il movimento SE(3) stimato è trattato come un residuo geometrico tattile. Viene fuso con una politica di base esistente (ad esempio, Action Chunking con Transformer) come segnale di post-elaborazione leggero ($u_{final} = u_{policy} + \Delta u_{tactile}$) per rifinire le azioni del robot senza riaddestrare la politica di base.

Contributi Chiave

• Formulazione dello Stato Geometrico: Il lavoro formula la stima da tattile a SE(3) per la sensorizzazione a bassa texture come un problema di stima dello stato geometrico centrato sul movimento locale di corpo rigido, allontanandosi dal matching di corrispondenza dipendente dalla texture.
• Disaccoppiamento del Campo di Forza: Propone una pipeline che disaccoppia le osservazioni tattili grezze in un campo di forza 3D e ricostruisce il twist di corpo rigido tramite un modello SE(3) fondato sulla fisica, separando specificamente la traslazione basata sul baricentro dalla rotazione basata sul taglio.
• Riduzione dell'Ambiguità a Doppio Sensore: Il lavoro dimostra che le configurazioni a doppio sensore riducono significativamente l'ambiguità tra traslazione e rotazione rispetto alle configurazioni a singolo sensore.
• Compensazione Leggera: Il metodo fornisce un segnale di rotazione che può essere collegato come modulo di post-elaborazione per migliorare la tolleranza ai disturbi nelle attività di manipolazione a valle senza modificare la politica di controllo di base.

Risultati Sperimentali
Gli esperimenti sono stati condotti utilizzando un robot UR5 equipaggiato con sensori DM-Tac doppi:

• Accuratezza Rotazionale: Sotto rotazioni controllate di una sfera afferrata (30°, 60°, 90°) lungo tre assi ($r_x, r_y, r_z$), il metodo ha raggiunto errori angolari medi che vanno da ~3° per rotazioni di 30° a ~12° per rotazioni di 90°. La crescita dell'errore è attribuita alla deriva di integrazione e alla non linearità del contatto su angoli più ampi.
• Sensore Singolo vs Doppio: Nei test di movimento puramente traslazionale, la configurazione a singolo sensore ha mostrato una significativa deriva rotazionale (circa 9–10°), mentre la configurazione a doppio sensore ha ridotto questa deriva a circa 1,1–1,5°, dimostrando un efficace disaccoppiamento.
• Generalizzazione: Il metodo ha mantenuto bassi tassi di errore (2,6°–4,0%) su oggetti diversi con geometrie variabili (sfere, cilindri, forme irregolari) e texture superficiali (liscia, testurizzata, legno, plastica), confermando la robustezza in condizioni povere di texture.
• Prestazioni a Livello di Politica: In compiti che coinvolgono disturbi indotti dall'uomo (Disegno, Inserimento Ingranaggio, Incastro di Perno), l'attivazione del post-processore tattile ha migliorato i tassi di successo sotto interferenza rispetto alla sola politica di base (ad esempio, l'Inserimento Ingranaggio è migliorato dal 20% al 35% di successo sotto interferenza).

Significato e Affermazioni
Il lavoro afferma che TacSE3 offre un ponte geometrico pratico tra la sensorizzazione visuo-tattile a bassa texture e la manipolazione ricca di contatto all'interno della presa. Privilegiando la geometria del contatto rispetto all'aspetto dell'immagine, il metodo raggiunge una stima del movimento affidabile dove i metodi tattili visivi o basati sulla texture tradizionali falliscono. Gli autori sottolineano che l'approccio non intende sostituire la visione globale o fornire una stima completa dello stato dell'oggetto per oggetti nuovi su orizzonti temporali lunghi. Piuttosto, funge da modulo robusto, interpretabile e leggero per il tracciamento e la compensazione del movimento locale, particolarmente prezioso per oggetti lisci, simmetrici o occlusi dove la visione è inaffidabile. La natura equivariante dell'output garantisce che il segnale rimanga coerente per il controllo a valle indipendentemente dalla posizione specifica del contatto o dalla posa del robot.