SI-Diff: A Framework for Learning Search and High-Precision Insertion with a Force-Domain Diffusion Policy

技術概要：SI-Diff：力ドメイン拡散方策を用いた探索と高精度挿入の学習のためのフレームワーク

問題定義
接触を伴う組立、特にピッグインホールタスクは、位置関係の誤差や微小な隙間といった相対姿勢の不確実性により、重大な課題に直面しています。既存のアプローチは、通常、大きな x-y 誤差を解消する「探索」フェーズと、微小な隙間でのジャミングを解消する「高精度挿入」フェーズを、異なる戦略やモデルの切り替えを必要とする別個の問題として扱っています。視覚サーボイングは粗い位置合わせを達成できますが、サブミリメートルの隙間を伴うタスクには精度が不十分であり、力に基づく手法が必要となります。TacDiffusion [1] などの現在の最先端手法は高精度挿入に優れていますが、ピッグとホールがすでに概ね位置合わせされていることを前提としており、初期の誤差が 2 mm を超えると失敗します。一方、探索戦略は、精密挿入へシームレスに移行する適応性を欠くことが多いです。モデルや重みの切り替えなしに、両方の異なる動作パターンを学習・実行できる統合フレームワークの必要性があります。

手法
著者は、単一の力ドメイン拡散方策内で探索と高精度挿入を統合するフレームワーク SI-Diff を提案します。

• システムアーキテクチャ: システムは、フィードフォワード力に基づくインピーダンスコントローラを採用します。モデルは、触覚および運動学的観測に基づいてフィードフォワード力（$F_{ff}$）を生成することを学習します。入力状態には、外部ワレンチ（$\tau_{ext}$）、内部ワレンチ（$\tau_{in}$）、および現在のフレームと直前のフレームからのエンドエフェクタ速度（$v_e$）が含まれます。
• 力ドメイン拡散方策: 中核となるのは、ガウスノイズを$F_{ff}$の目標分布にマッピングするデノイジング拡散確率モデル（DDPM）です。モデルは、ロボットの状態を条件として、各拡散ステップで追加されたノイズを予測するように訓練されます。
• モード条件付与メカニズム: 単一のモデルで探索と挿入という 2 つの異なる挙動を処理可能にするため、著者はモード条件付与メカニズムを導入します。自然言語処理のトークン化に触発され、離散的なモードインデックス（探索用 0、挿入用 1）を高次元の学習可能ベクトルに埋め込みます。これらのモードトークンをロボット状態トークンの列に先頭に付加することで、拡散モデルが指定されたモードプロンプトに基づいて異なる動作パターンを学習できるようにします。
• ティーチャ方策:
  • 探索ティーチャ: 多様な探索軌道を生成するための新しいルールベースの方策が開発されました。固定されたスパイラル探索とは異なり、この方策はパラメータ（探索方向、振幅、周波数など）をランダム化し、外部力に基づいて適応することで、効率的な探索を確保します。トレーニングには、成功し効率的（2.5 秒以内に完了）なデモンストレーションのみを保持します。
  • 挿入ティーチャ: フレームワークは、挿入フェーズのティーチャとして [2]（および TacDiffusion [1]）からの自己適応型触覚挿入手法を利用します。この方策は、残留力監視を通じて「詰まり」状態を検出し、ジャミングから脱出するために正弦波状のウィグル運動を適用します。
• トレーニング戦略: モデルは、300 の成功した探索デモンストレーションと 1,500 の挿入デモンストレーションからなるデータセットで訓練されます。クラス不均衡に対処するため、バランスドバッチサンプリング（BBS）が採用されます。

主な貢献

1. 統合フレームワーク: モデルの切り替えを不要とし、単一の力ドメイン拡散方策を用いて探索と高精度挿入の両方を学習する新規フレームワーク（SI-Diff）の開発。
2. モード条件付与: モードプロンプトに基づいてモデルが異なる動作パターン（探索的探索対精密ウィグル）を実行できるようにする新しい条件付与メカニズムの設計により、両タスクの同時学習を可能にすること。
3. 多様な探索ティーチャ: 効率的なデータ収集とワレンチ - 動作マッピングの堅牢な学習を促進する、多様でランダム化された軌道を生成する効果的な探索ティーチャ方策の作成。

実験結果
実験は、0.1 mm の隙間を持つ直方体ピッグを用いてトレーニングを行った 7 自由度の Franka Emika ロボットを用いて実施されました。この手法は、9 種類の形状（六角形/プリズム、円柱、USB-A コネクタなどの未見の幾何学形状を含む）および 2 mm から 5 mm の範囲の誤差レベルにおいて、TacDiffusion [1]、ルールベースのバリエーション（Teacher-D、Teacher-R）、および FORGE [3] と比較評価されました。

• 誤差許容度: SI-Diff は、TacDiffusion の限界である 2 mm から 5 mm へと、x-y 誤差の許容度を拡張しました。
• 成功率: トレーニング用の直方体形状において、SI-Diff はすべての誤差レベルで 95.8% の成功率を達成し、TacDiffusion（29.1%）や他のベースラインを大幅に上回りました。三角形や五角形のプリズムなどの複雑な幾何学形状を含む未見の形状においても、90%〜97% の高い成功率を維持しました。
• 効率性: SI-Diff は、失敗を含む場合および成功のみの場合の両方で、競合他社と比較して最も低い平均実行時間を示し、優れた効率性を証明しました。
• ゼロショット転移: 単一の直方体形状で訓練されたモデルは、再トレーニングなしで未見の形状への堅牢なゼロショット転移性を示しました。
• 定性的挙動: モデルは、ティーチャ方策の固定パターンとは異なり、位置合わせが改善されるにつれて振幅と周波数が減少するように、探索戦略を動的に適応させることを学習しました。

意義と主張
本論文は、SI-Diff が探索戦略と挿入戦略の間の技術的ギャップを埋め、インテリジェントな組立システムのためのより統合されたソリューションを提供すると主張しています。新しいティーチャ方策によって提供される成功かつ効率的なデモンストレーションから学習することで、このモデルは、成功率と効率性の両面でティーチャ方策および最先端のベースライン（TacDiffusion）を上回ります。主な意義は、単一のフレームワーク内で高精度挿入能力を維持しながら、より大きな初期誤差（最大 5 mm）を処理できる点にあり、これによりエンジニアリングの複雑さを軽減し、実世界の産業応用への統合を容易にします。著者は、この手法が堅牢である一方で、モード切り替えは現在、学習された触覚の手がかりではなく z 軸変位によってトリガーされており、対象範囲は x-y 誤差と微小隙間挿入に限定されていると指摘しています。