Riepilogo Tecnico: AnyMug – Presa Funzionale Robotica Pose-Agnostica tramite Canonicalizzazione Osservazione-Azione

1. Formulazione del Problema

Il documento affronta la sfida della presa robotica funzionale, prendendo come bersaglio specifico il compito di afferrare i manici delle tazze. A differenza della presa generica, la presa funzionale richiede che il robot interagisca con parti specifiche di un oggetto (il manico) per abilitare compiti successivi (es. versare liquidi). Questo compito è complicato da:

• Variabilità Geometrica: I manici sono sottili, curvi e variano significamente tra le diverse istanze di tazze.
• Sensibilità alla Posa: Le tazze possono apparire in diverse posizioni, orientamenti del manico e in due distinte categorie di posa: dritta e invertita.
• Limitazioni dei Metodi Esistenti:
  • Rilevamento della Posa di Presa (Open-loop): I metodi che predicono una posa di presa a 6 o 7 DoF sono altamente sensibili agli errori di stima, particolarmente sulle strutture sottili dei manici.
  • Politiche Visuomotorie Apprese (Closed-loop): Le politiche standard devono apprendere implicitamente a gestire la variazione accoppiata tra l'aspetto visivo e la direzione dell'azione per ogni possibile posizionamento, limitando la generalizzazione e richiedendo l'apprendimento di strategie ridondanti e dipendenti dal posizionamento.

L'obiettivo è apprendere una singola politica a ciclo chiuso (closed-loop) che generalizzi attraverso diverse geometrie di tazze e categorie di posa, mantenendo un contatto preciso con il manico.

2. Metodologia: Framework AnyMug

Gli autori propongono AnyMug, un framework di apprendimento per rinforzo (RL) addestrato interamente in simulazione (Isaac Sim) e distribuito zero-shot su un vero robot Franka Panda. L'innovazione principale è la Canonicalizzazione Osservazione-Azione.

2.1 Canonicalizzazione Osservazione-Azione

Invece di addestrare una politica per gestire input grezzi e variabili, AnyMug trasforma sia l'input sensoriale che l'output di controllo in un frame canonico condiviso, centrato sulla tazza.

• Canonicalizzazione dell'Osservazione:
  • L'immagine di profondità dalla vista dall'alto ($D_t$) viene elaborata per identificare il centro della tazza e il centro del manico.
  • Viene applicata una trasformazione affine all'immagine per: (1) centrare la tazza nell'immagine, e (2) ruotare il manico verso una direzione canonica fissa (es. puntato a sinistra).
  • Ciò produce un'immagine di profondità canonica ($D^c_t$) dove la tazza appare sempre nella stessa posizione e orientamento, indipendentemente dal suo posizionamento fisico.
• Canonicalizzazione dell'Azione:
  • La politica predice un'azione dell'end-effector a 7D ($a^c_t$) nel frame canonico, composta da spostamento traslazionale ($\Delta p^c$), spostamento rotazionale ($\Delta \omega^c$) e un comando del gripper ($u_g$).
  • Prima dell'esecuzione, le componenti spaziali dell'azione vengono ruotate nuovamente nel frame del mondo utilizzando l'inverso dell'angolo di rotazione del manico ($\theta_t$). Il comando del gripper rimane invariato.
  • Ciò consente alla politica di apprendere una singola "strategia di presa" che viene riutilizzata in tutti i posizionamenti e orientamenti dei manici.

2.2 Funzione di Ricompensa Sensibile al Manico

Per garantire che la politica apprenda una presa funzionale precisa piuttosto che una semplice avvicinamento generico, viene impiegata una funzione di ricompensa densa e specifica per il manico:

• Ricompensa di Avvicinamento ($r_{pos}$): Incoraggia il gripper a raggiungere il centro del manico.
• Ricompensa di Orientamento ($r_{rot}$): Incoraggia il gripper ad allinearsi con un orientamento target rispetto alla tazza.
• Ricompensa di Opposizione delle Dita ($r_{opp}$): Un termine critico specifico del compito che premia le due punte delle dita per trovarsi su lati opposti del manico prima della chiusura. Questo termine è mediato da una soglia di prossimità per garantire che le dita siano vicine al manico.
• Penalità di Azione ($r_{act}$): Penalizza i movimenti ampi e scattosi per incoraggiare traiettorie fluide.

2.3 Strategia di Addestramento

• Algoritmo: Proximal Policy Optimization (PPO).
• Curriculum di Posa: L'addestramento inizia con un bias verso le tazze dritte (70%) per stabilire un comportamento di avvicinamento affidabile, per poi passare a una distribuzione bilanciata (50/50) tra tazze dritte e invertite.
• Randomizzazione del Dominio: Randomizzazione delle posizioni delle tazze, degli yaw dei manici e delle geometrie delle tazze. Fondamentalmente, viene aggiunto rumore Gaussiano alle stime di posa per simulare gli errori di percezione del mondo reale, calibrati tramite un stimatore di posa allo stato dell'arte (CPPF++).

3. Contributi Chiave

1. Canonicalizzazione Osservazione-Azione: Il documento formula la presa della tazza come un problema canonicalizzato in cui sia le osservazioni di profondità che le azioni dell'end-effector sono rappresentate in un frame condiviso centrato sulla tazza. Ciò riduce la variazione indotta dalla posa sia nella percezione che nel controllo, permettendo a una singola politica di riutilizzare una strategia condivisa.
2. Presa del Manico a Ciclo Chiuso e Sensibile al Manico: Gli autori addestrano una singola politica RL utilizzando feedback visivo-propriocettivo canonicalizzato e una funzione di ricompensa specializzata. Ciò consente un avvicinamento, un allineamento e una temporizzazione della chiusura precisi attraverso diverse geometrie e pose senza pianificazione del moto esplicita.
3. Valutazione Completa: Il framework è testato contro baseline di pianificazione del moto e di policy basate su diffusione in simulazione e su hardware. Lo studio include studi di ablazione che isolano i contributi della canonicalizzazione, della modellazione della ricompensa e del curriculum learning.

4. Risultati Sperimentali

4.1 Prestazioni in Simulazione

Valutato su istanze di tazze non viste con posizionamenti randomizzati:

• Tasso di Successo (SR): AnyMug ha raggiunto il 93,18% sulle tazze dritte e il 94,19% sulle tazze invertite.
• Confronto:
  • Pianificazione del Moto (Open-loop): Le prestazioni sono degradate drasticamente con l'aumento del rumore di stima della posa (scendendo a circa il 60% di SR a $\sigma=0,030$ m), evidenziando la sensibilità dell'esecuzione open-loop.
  • Diffusion Policy (DP): Ha raggiunto circa il 36% di SR, fallendo principalmente a causa di prese vuote e timeout, indicando difficoltà nell'apprendere l'allineamento preciso dalle dimostrazioni.
  • Baseline Equivarianti (EquiDiff, EquiBot): Hanno migliorato rispetto alla standard DP ma sono rimaste significativamente al di sotto di AnyMug (54% e circa 12-19% di SR, rispettivamente), suggerendo che l'equivarianza da sola è insufficiente per il ragionamento fine sulla geometria del manico.

4.2 Trasferimento Zero-Shot nel Mondo Reale

Distribuito su un vero robot Franka Panda senza fine-tuning, testato su 5 tazze fisicamente distinte e non viste:

• Tasso di Successo: Ha raggiunto l'80% di successo sia per la categoria dritta che per quella invertita (8/10 tentativi ciascuna).
• Modalità di Fallimento: I fallimenti sono stati divisi tra "punta/caduta" e "presa vuota", indicando che la politica generalmente si avvicina in sicurezza ma fatica con l'allineamento sotto il rumore di percezione del mondo reale.
• Baseline:
  • Pianificazione del Moto: 70% (dritta) e 60% (invertita) SR.
  • Diffusion Policy: 20% (dritta) e 10% (invertita) SR.
• Conclusione: AnyMug ha dimostrato una robustezza superiore agli errori di percezione del mondo reale rispetto ai metodi open-loop e alle standard baseline basate sull'apprendimento.

4.3 Studi di Ablazione

• Ricompensa di Opposizione delle Dita: Rimuovere questo termine ha portato allo 0% di successo e al 100% di prese vuote, provando che è essenziale per la presa funzionale.
• Canonicalizzazione: Rimuovere la canonicalizzazione osservazione-azione ha causato il calo del tasso di successo da circa il 93% a circa il 31% (dritta) e il 41% (invertita), confermando che è il fattore dominante per la generalizzazione.

5. Significato e Rivendicazioni

Il documento afferma che AnyMug risolve con successo il problema della presa funzionale pose-agnostica disaccoppiando la strategia del compito dalla posa dell'oggetto. Canonicalizzando sia l'input (profondità) che l'output (azione), il sistema apprende una singola politica a ciclo chiuso riutilizzabile che generalizza attraverso istanze e pose.

Gli autori sottolineano che:

• La canonicalizzazione è la chiave: Rimuove la necessità per la politica di apprendere comandi motori dipendenti dal posizionamento, migliorando significativamente la generalizzazione.
• Il feedback a ciclo chiuso è necessario: A differenza dei metodi open-loop, la natura a ciclo chiuso di AnyMug compensa gli errori residui di stima della posa e le variazioni di contatto.
• Trasferimento Sim-to-Real: Il framework raggiunge un robusto trasferimento zero-shot su un vero robot, superando sia le pianificazioni analitiche che le state-of-the-art learning baseline senza fine-tuning nel mondo reale.

Limitazioni Riconosciute:

• L'attuale lavoro è limitato agli oggetti tazza e a due categorie di posa (dritta/invertita).
• Assume un'osservazione di profondità top-down chiara; le prestazioni potrebbero degradare in scene affollate, sotto forte occlusione o con superfici riflettenti dove la stima della direzione del manico fallisce.
• È necessario un lavoro futuro per estendere il framework a classi di oggetti più ampie, modalità di posa aggiuntive (es. inclinate) e compiti a valle come il versare liquidi.