ContactMimic: Humanoid Object Interaction via Contact Control

Sintesi Tecnica: CONTACTMIMIC

Definizione del Problema

Gli attuali sistemi di loco-manipolazione whole-body per umanoidi si affidano principalmente al tracciamento di traiettorie di keypoint (target cinematici) per imitare il movimento umano. Tuttavia, per molte attività di interazione utili — come sedersi su una sedia, pulire una lavagna o spostare mobili — il successo non è definito meramente dalla posa del robot, ma dal contatto fisico esplicito con l'ambiente.

I tracker esistenti spesso riproducono la forma di un movimento ma non riescono a stabilire il contatto fisico necessario (ad esempio, agitando una mano vicino a una lavagna invece di pulirla). Di conseguenza, questi sistemi sono insufficienti per l'esecuzione di compiti e richiedono tipicamente un fine-tuning con reward specifici per il compito per raggiungere il successo. Inoltre, gli attuali metodi mancano della capacità di controllare esplicitamente se il contatto debba essere effettuato o soppresso durante il deployment, limitando la loro versatilità in scenari in cui lo stesso schema geometrico di movimento richiede comportamenti di contatto differenti (ad esempio, sedersi su una sedia rispetto a fare uno squat senza toccarla).

Metodologia

Gli autori propongono CONTACTMIMIC, un framework di apprendimento che consente un comportamento di contatto controllabile esplicitamente al tempo di test insieme al tracciamento dei keypoint. Il sistema si basa su tre pilastri fondamentali:

1. Policy Condizionata al Contatto

La policy, $\pi_\theta(a_t | p_t, \bar{k}_t, \bar{c}_t)$, riceve tre input:

• Propriocezione ($p_t$): Lo stato interno del robot.
• Target dei Keypoint ($\bar{k}_t$): Traiettorie di riferimento per le parti del corpo.
• Etichette di Contatto Binario ($\bar{c}_t$): Una mappa per ogni step temporale e per ogni parte del corpo che indica se il contatto con parti specifiche dell'oggetto è desiderato (1) o soppresso (0).

La policy emette angoli di giunto target, che vengono convertiti in coppie di forze (torque) tramite un controller PD. Notevolmente, il sistema non utilizza sensori di contatto espliciti come input; si affida alla propriocezione per inferire lo stato di contatto durante l'esecuzione.

2. Design del Reward

Per addestrare la policy ad aderire ai comandi di contatto, gli autori introducono reward sensibili al contatto insieme a termini standard di tracciamento e regolarizzazione:

• Reward di Corrispondenza Etichetta di Contatto ($r^{lm}_t$): Incoraggia la policy a corrispondere allo stato di contatto comandato (True Positive Rate e True Negative Rate) tra le parti del corpo del robot e le superfici dell'oggetto. Sono utilizzate due varianti: Accuratezza Bilanciata (default) e TP-FP (per movimenti a contatto sparso).
• Reward di Distanza di Contatto ($r^{cd}_t$):
  • Termine positivo: Incoraggia le parti del corpo destinate a contattare un oggetto a rimanere vicine alla superficie.
  • Termine negativo: Penalizza le parti del corpo destinate a non contattare un oggetto se si avvicinano troppo (entro una soglia $\delta$).

3. Data Augmentation per Rompere le Correlazioni

Una sfida critica è che nei dati grezzi di interazione uomo-oggetto, le traiettorie dei keypoint e i pattern di contatto sono fortemente correlati (un movimento specifico implica solitamente un pattern di contatto specifico). Se addestrata ingenuamente, la policy potrebbe ignorare il comando di contatto e inferire il contatto basandosi solo sui keypoint.

Per mitigare questo problema, gli autori propongono uno schema di augmentation che genera coppie di movimento con strutture di keypoint simili ma etichette di contatto differenti:

• Flipping delle Etichette di Contatto: Mantiene la traiettoria originale ma inverte le etichette di contatto, penalizzando il robot per aver effettuato il contatto con l'oggetto.
• Rimozione dell'Oggetto: Rimuove l'oggetto di interazione dalla simulazione e forza le etichette di contatto a zero mantenendo intatta la traiettoria dei keypoint.
• Geometria Inflata: Infla la mesh di collisione dell'oggetto durante il retargeting per costringere il robot a aggirarlo, creando una traiettoria perturbata dove i contatti naturalmente non avvengono, che vengono poi etichettati come zero.

Queste coppie aumentate costringono la policy ad attendere al comando di contatto esplicito piuttosto che inferire il contatto dalla sola geometria.

Contributi Chiave

1. Controllo Esplicito del Contatto: Un framework che permette a una singola policy di alternare tra l'effettuare o sopprimere il contatto fisico per la stessa traiettoria di keypoint, consentendo un controllo fine sull'interazione (ad esempio, sedersi con supporto dorsale vs senza).
2. Manipolazione Senza Compito Specifico: La capacità di completare compiti di manipolazione di oggetti (ad esempio, sollevare una scatola) utilizzando solo il tracciamento delle traiettorie di keypoint e contatto, senza richiedere reward specifici per il compito.
3. Strategia di Ingegneria dei Dati: La dimostrazione che rompere la correlazione tra keypoint e contatti tramite l'augmentation specifica (flipping, rimozione, inflazione) è necessaria per apprendere un vero comportamento condizionato al contatto.
4. Inferenza Propriocettiva: La scoperta che la policy apprende implicitamente a inferire lo stato di contatto durante l'esecuzione partendo dalla sola propriocezione, eliminando la necessità di sensori di contatto esterni al momento dell'inferenza.

Risultati Sperimentali

Il framework è stato valutato sul robot umanoide Unitree G1 attraverso 10 diversi movimenti di interazione uomo-oggetto (ad esempio, pulire, sedersi, inclinarsi, calciare, raccogliere scatole) sia in simulazione che nel mondo reale.

• Controllabilità del Contatto: Nei test in simulazione e nel mondo reale, la policy ha seguito con successo i comandi di contatto. Quando comandata di contattare ($\checkmark$), il robot ha stabilito il contatto fisico (ad esempio, cancellare una lavagna, appoggiarsi a uno schienale). Quando comandata di sopprimere il contatto ($\times$), il robot ha mantenuto la stessa geometria della posa ma ha evitato il contatto.
• Confronto con i Baseline: Rispetto a BeyondMimic (un tracker di keypoint-only allo stato dell'arte), CONTACTMIMIC ha raggiunto metriche di contatto significativamente più elevate (corpi a contatto e impulso) mantenendo un'accuratezza di tracciamento dei keypoint (MPJPE) comparabile. BeyondMimic non è riuscito a stabilire il contatto fisico necessario per i compiti di manipolazione.
• Studi di Ablazione: La rimozione delle strategie di data augmentation proposte ha causato un calo significativo della controllabilità del contatto, confermando che l'augmentation è essenziale per disaccoppiare il comportamento di contatto dalla geometria dei keypoint.
• Trasferimento nel Mondo Reale: La policy è stata trasferita con successo sul vero robot Unitree G1, dimostrando una robusta controllabilità del contatto attraverso cinque diversi movimenti (ad esempio, pulire, sedersi, inclinarsi) con alti tassi di successo.

Significato e Rivendicazioni

L'articolo sostiene che CONTACTMIMIC rappresenti un passo verso umanoidi che interagiscono con il mondo in modo scopo-determinato piuttosto che incidentale. Introducendo il condizionamento esplicito al contatto, gli autori forniscono un'interfaccia semplice e generale per esprimere compiti ricchi di contatto.

La significatività risiede nel:

• Disaccoppiamento di Geometria e Contatto: Dimostrare che il comportamento di contatto può essere controllato indipendentemente dalla traiettoria geometrica del movimento.
• Eliminazione dei Reward Specifici per il Compito: Mostrare che compiti di manipolazione complessi possono essere appresi semplicemente facendo corrispondere le traiettorie di contatto e keypoint, eliminando la necessità di reward progettati a mano per il compito.
• Scalabilità: L'approccio suggerisce che una singola architettura di policy può gestire diversi modi di interazione (contatto vs non contatto) semplicemente attivando un'etichetta, offrendo una via verso robot umanoidi più versatili e adattabili.

Gli autori riconoscono i limiti, tra cui l'attuale necessità di addestrare policy separate per ogni movimento (invece di un tracker universale), la dipendenza da dataset di interazione uomo-oggetto di alta qualità (HUMOTO) e la valutazione su una singola piattaforma robotica. Il lavoro futuro suggerito affronta l'addestramento congiunto tra i movimenti e l'uso di dati video "in the wild".