Sintesi Tecnica: Modello di Fondazione per il Comportamento Percettivo (Perceptive BFM)

Definizione del Problema

I modelli di fondazione per il comportamento umanoide mirano ad acquisire politiche di controllo del corpo intero riutilizzabili da ampi priori di movimento umano, consentendo a un singolo controllore di produrre comportamenti diversificati ed espressivi. Tuttavia, le attuali politiche di fondazione incentrate sul movimento operano sotto un'assunzione critica: che il movimento di riferimento sia già fisicamente compatibile con l'ambiente circostante del robot.

Questa assunzione fallisce in scenari di disallineamento operatore-ambiente (operator–environment mismatch), dove l'essere umano che dimostra, l'operatore e il robot abitano ambienti differenti. Un comando di movimento umano specifica l'intento e lo stile, ma non codifica intrinsecamente i punti di appoggio, la clearance dello swing (sollevamento delle gambe), l'altezza del corpo o la tempistica dei contatti richiesti dal terreno locale del robot (ad esempio, scale, supporti sparsi o ostacoli). Di conseguenza, un robot che tenta di seguire un riferimento per terreno piano su un terreno complesso può fallire a causa di collisioni, perdita di equilibrio o cinematica non fattibile. La sfida centrale è radicare i priori di movimento umano nella percezione robotica senza alterare l'interfaccia del comando di movimento grezzo.

Metodologia: Modello di Fondazione per il Comportamento Percettivo (Perceptive BFM)

Gli autori propongono Perceptive BFM, un framework a politica singola che preserva i riferimenti cinematici grezzi come comando di implementazione, utilizzando al contempo le osservazioni del terreno locale per adattare contatti, postura e tempistiche. L'approccio si basa su un algoritmo di addestramento a stadi denominato Perceptive Motion Tracking (PMT).

1. Sintesi del Riferimento Conforme al Terreno (TCRS)

Per fornire una supervisione scalabile del terreno, gli autori sviluppano una pipeline di sintesi offline che converte clip di movimento umano grezze e campi di altezza campionati in riferimenti conformi al terreno ($m_{tcrs}$). Questo modulo non risolve la dinamica completa ricca di contatti, ma costruisce riferimenti coerenti con i contatti, fluidi e preservanti dello stile attraverso:

• Costruzione del foothold consapevole del contatto: Aggancia i piedi in appoggio alle superfici del terreno preservando la fase del passo globale e la tempistica nominale dell'appoggio del piede.
• Ottimizzazione dello swing consapevole della geometria del piede: Ottimizza una traiettoria virtuale del medio-piede (bilanciando il distacco di punta e tallone) utilizzando un ottimizzatore di traiettoria basato su campionamento per evitare discontinuità del terreno.
• Ricostruzione del root consapevole del supporto: Ricostruisce l'altezza del root (bacino) in base ai contatti di supporto e alla raggiungibilità delle gambe.
• Riparazione delle collisioni e IK multi-punto della gamba: Risolve un problema di cinematica inversa (IK) Jacobiana multi-punto smorzata e consapevole del supporto per i dodici giunti delle gambe, al fine di risolvere le collisioni e garantire la fattibilità cinematica.

2. Pipeline di Addestramento Teacher-Student

Il processo di addestramento prevede quattro stadi:

• Stadio 1 (Sintesi Offline): Il TCRS genera dataset accoppiati di riferimenti grezzi ($m_{raw}$), riferimenti conformi al terreno ($m_{tcrs}$) e mappe del terreno ($\tau$).
• Stadio 2 (Addestramento Blind Teacher): Un "teacher" basato su Transformer e "cieco" viene addestrato tramite Proximal Policy Optimization (PPO) per seguire i riferimenti sintetizzati $m_{tcrs}$. Questo teacher ha accesso a informazioni privilegiate (il riferimento adattato) ma non ha input visivi del terreno.
• Stadio 3 (Distillazione Vision Student): Una politica "vision student", che riceve il riferimento grezzo originale ($m_{raw}$) e una scansione locale del terreno, viene distillata dal teacher.
  • Allineamento dell'azione nel frame target: Poiché il teacher agisce su $m_{tcrs}$ e lo student su $m_{raw}$, lo student impara a imitare l'obiettivo effettivo del giunto espresso rispetto al riferimento grezzo: $a^*_t = (q_{tcrs} + \mu_{tea}) - q_{raw}$.
  • Architettura Identity-Gated: Lo student è un Transformer con gating d'identità. Le caratteristiche del terreno entrano attraverso percorsi residui inizializzati a zero. Ciò garantisce che, all'inizializzazione, lo student si comporti esattamente come un tracker di riferimenti grezzi, imparando correzioni condizionate dal terreno solo quando migliorano l'obiettivo di tracking.
• Stadio la 4 (Fine-tuning PPO): Lo student viene perfezionato con PPO utilizzando comandi di riferimento grezzi e osservazioni del terreno, aggiornando conservativamente il prior di tracking del movimento trasferito mentre apprende correzioni condizionate dalla percezione locale.

Contributi Chiave

1. Pipeline TCRS: Un metodo di sintesi offline scalabile che converte il movimento umano grezzo e i campi di altezza del terreno in supervisione conforme al terreno tramite costruzione del foothold consapevole del contatto, ottimizzazione dello swing, ricostruzione del root e IK multi-punto.
2. Algoritmo PMT: Un framework teacher-student a riferimento grezzo che implementa comportamenti consapevoli del terreno senza cambiare l'interfaccia di comando. Trasferisce il comportamento conforme al terreno da un blind teacher a un vision student tramite l'allineamento dell'azione nel frame target.
3. Design della Politica Identity-Gated: Una politica Transformer che si inizializza come tracker di riferimenti grezzi e apprende correzioni residue condizionate dal terreno. Ciò consente a un'unica interfaccia di comando di supportare locomozione, movimenti espressivi, acrobazie e disallineamento operatore-ambiente attraverso diversi terreni.

Risultati

Il paper valuta il Perceptive BFM attraverso cinque livelli:

• Qualità TCRS: Su pietre di passaggio con scale, il TCRS riduce significativamente le metriche sensibili alle collisioni rispetto ai baseline (Z-offset e Cubic Interp+IK). Nello specifico, riduce la profondità di penetrazione da 5,48 cm (Z-offset) a 2,38 cm e le violazioni di clearance dal 14,3% (Cubic) al 7,4%.
• Diagnostica di fine addestramento: In una configurazione PPO comune da 10k iterazioni, la politica PMT completa raggiunge un tasso di successo in loop chiuso registrato del 55,1%, superando significativamente le ablazioni:
  • Senza TCRS (solo riferimento grezzo): 27,3%
  • Senza visione (blind): 26,5%
  • Senza allineamento del frame target: 26,7%
  • Senza identity gating: 30,4%
• Simulazione Cross-Terrain: In rollout a politica fissa su 30 comandi di movimento e 5 famiglie di terreni (scale, pendenze, supporti sparsi, ostacoli incassati, interno misto), PMT raggiunge un tasso di completamento del 55,1% rispetto al 27,3% del baseline a riferimento grezzo. PMT dimostra anche un'incidenza inferiore di collisioni della parte inferiore della gamba (10,0% vs 24,7%).
• Implementazione su Robot Reale: Una singola politica è stata implementata su un robot Unitree G1 a 29 gradi di libertà. Ha eseguito con successo comportamenti diversificati (backflip su una gamba sola, danza sulle scale, corsa con sventolio delle braccia, camminata laterale sulle scale) in contesti indoor, outdoor e di disallineamento con il mocap. Il robot ha preservato il comportamento comandato della parte superiore del corpo mentre la percezione risolveva i punti di appoggio e la clearance online.

Significato e Rivendicazioni

Il paper sostiene che la percezione robotica può trasformare i priori di movimento umano in un comportamento a corpo intero compatibile con il terreno senza cambiare l'interfaccia del comando di movimento grezzo.

La significatività risiede nel colmare il divario tra i modelli di fondazione per il comportamento generalista (che eccellono nel tracking espressivo ma ignorano il terreno) e le politiche di locomozione percettiva (che gestiscono il terreno ma spesso sostituiscono l'intento umano con abilità autonome). Perceptive BFM dimostra che una singola politica può mantenere l'"intento e lo stile" di un operatore umano pur adattando dinamicamente la realizzazione fisica (contatti, postura, tempistica) all'ambiente locale del robot. Gli autori osservano che questo approccio permette di riutilizzare ampi priori di movimento umano per compiti complessi come acrobazie e teleoperazione in ambienti disallineati, a condizione che il comando della parte superiore del corpo rimanga fattibile dopo la correzione della parte inferiore.

Il paper riconosce limitazioni, tra cui l'assunzione di un terreno statico e rigido e la mancanza di consapevolezza delle collisioni della parte superiore del corpo (braccia/tronco potrebbero comunque urtare ostacoli se il comando non è consapevole delle collisioni). Il lavoro futuro suggerito affronta terreni dinamici/deformabili e l'adattamento della parte superiore del corpo.