Stage-Aware and Roughness-Constrained Diffusion Policy for Multi-Stage Robotic Polishing

技術要約：マルチステージ・ロボット研磨のためのステージ認識および粗さ制約付き拡散方策（SRDP）

1. 問題提起

ロボットによる研磨は、航空宇宙産業のような高付加価値製造分野において極めて重要な仕上げプロセスであり、表面品質が部品の信頼性に直結します。しかし、これらのタスクを自動化するにあたって、既存の模倣学習手法では同時に解決することが困難な2つの主要な課題が存在します。

1. 長期間にわたるプロセス・ステージの不確実性： 研磨ワークフローは、複数の明確なステージ（例：安定化、エッジ研磨、表面仕上げ、クリーニング）で構成されており、これらは視覚的に類似した局所状態を示すことが多いものの、要求される制御目的やアクションパターンは大きく異なります。既存の手法は、明示的なタスク分解や高レベルのプランニング・プロンプトに依存することが多いですが、これらではマルチモーダルな履歴から潜在的なプロセス・ステージをリアルタイムで推論するには不十分な場合があります。
2. 制約のないプロセス・パラメータのドリフト： 拡散ベースの方策において、デノイジング（除去）過程の確率的な性質は、結合されたプロセス・パラメータ（送り速度と法線方向の接触力）の制御不能な変動を招く可能性があります。これらのパラメータは材料除去量と表面粗さを共同で決定するため、このようなドリフトは、物理的に不可能な組み合わせ、不安定な接触、あるいは一貫性のない表面品質（例：研磨不足やエッジの削りすぎ）をもたらす可能性があります。特に、主軸回転数がステージごとに事前設定されている場合、この影響は顕著になります。

現在の文献には、高次元の生成方策の中で、観測履歴からの潜在的なステージ推論と、粗さに基づく物理的制約を同時に扱う統一されたフレームワークが欠けています。

2. 手法：SRDPフレームワーク

著者らは、デモンストレーションからマルチステージの研磨スキルを学習しつつ、プロセス制約を遵守するように設計された統一フレームワークである**ステージ認識および粗さ制約付き拡散方策（SRDP）**を提案しています。このフレームワークは、相互に接続された2つのメカニズムを通じて動作します。

A. ステージ条件付きアクション拡散
ステージの不確実性に対処するため、SRDPは、マルチモーダルな観測履歴（視覚画像、ロボットの状態、接触力、ツールモード）を処理して、現在のプロセス・ステージに関する事後確率分布を推論するステージ推論ネットワークを導入しています。

• ステージ推論： ネットワーク $g_\phi$ は、観測履歴 $O_t$ をステージの事後分布 $z_t$ にマッピングします。
• 条件付きデノイジング： この事後分布はステージ条件ベクトル $e_t$ としてエンコードされ、共有デノイジング・ネットワークに注入されます。これにより、外部のステージラベルを必要とせずに、推論された現在のステージと一致するアクションシーケンスを生成することが可能になります。
• 遷移の一貫性： ステージ間のスムーズな遷移を確保するため、ステージ遷移の一貫性事前分布が導入されています。これは、プロセスフローの知識またはデータから導出された遷移行列 $T$ を使用してステージ推論を正則化し、ソフトラベル・クロスエントロピー損失を介して、急激または不合理なステージの変化にペナルティを課します。

B. 粗さ制約付き拡散サンプリング
パラメータのドリフトに対処するため、SRDPは拡散サンプリング過程に物理的および品質の制約を直接組み込んでいます。

• 粗さ指向モデリング： べき乗則に基づく経験モデルを用いて、法線方向の力（$F_n$）、送り速度（$v$）、およびステージごとの事前設定された主軸回転数（$\omega$）に基づき、表面粗さ（$R_a$）を予測します。このモデルは実験データを用いてオフラインで校正されます。
• 制約セット： パラメータ空間に対して2つのセットが定義されています。
  1. 粗さ一貫性セット ($\Omega_R$)： $F_n$ と $v$ の結合関係が目標とする粗さの許容範囲内にあることを保証します。
  2. 物理的実現可能性セット ($\Omega_P$)： ロボットの実行可能性を確保するため、力や速度の制限および時間的な連続性（変化率）を強制します。
• ガイド付きサンプリング： 逆デノイジングの各ステップにおいて、方策は粗さ一貫性エネルギーと物理的実現可能性エネルギーで構成される制約エネルギー関数を最小化します。初期および中期のノイズ段階では、サンプルを実行可能な領域へと導くために「粗さ優位」のソフトガイダンス戦略が適用され、最終ステップでは、出力が結合実行可能集合 $\Omega_t = \Omega_R \cap \Omega_P$ 内に厳密に存在することを保証するために、最小修正投影が適用されます。

3. 主な貢献

本論文は、以下の貢献を主張しています。

1. 統一されたフレームワーク： マルチモーダルな履歴からのステージ推論と共有デノイジングを統合し、外部のステージラベルなしでステージ一貫性のあるアクション生成を可能にするSRDPの提案。
2. プロセス制約付きサンプリング： 事前設定された主軸回転数の下で、表面品質の要件と物理的実現可能性の両方を満たす送り速度および法線方向の接触力を生成する、粗さ指向の制約ガイド付き拡散サンプリング手法の開発。
3. 実証的検証： 2つの複雑なシナリオ（宇宙船キャビンのコーティング表面研磨および内部キャビティの構造表面仕上げ）における包括的な比較実験、アブレーション研究、および実ロボットによる検証。

4. 実験結果

実験は、2台のKUKA iiwa14ロボットを用いたデュアルアーム・ロボットプラットフォーム上で、2つの異なるタスクを実行することで行われました。

• コーティング表面研磨： 安定化、角穴/円孔研磨、および真空クリーニングを含む。
• 内部キャビティ仕上げ： 協調搬送、安定化、面取り精緻化、および組立面研磨を含む。

性能指標：

• タスク成功率： SRDPは、最も高い平均サブタスク成功率（コーティングで0.94、内部キャビティで0.91）および遷移成功率（それぞれ0.88および0.83）を達成し、標準的なDiffusion Policy (DP)、Hierarchical Imitation Learning (HIL)、およびAdaptive Compliance Policy (ACP) などのベースラインを大幅に上回りました。
• 失敗分析： SRDPは、支配的な2つの失敗モードを大幅に減少させました。
  • ステージ切り替え失敗 (STF)： 明示的なステージモデリングのないベースラインの50%以上に対し、SRDPでは約21〜24%に減少しました。
  • プロセス・パラメータ失敗 (PPF)： 粗さ制約のない手法における高い発生率に対し、SRDPでは約9.5〜10.5%に減少しました。
• 表面品質： SR립Dは、ACPと比較して、より低く安定した表面粗さ値と、より一貫した面取り幅を示し、粗さ制約付きサンプリングの有効性を検証しました。

アブレーション研究：
ステージ条件付けを除去すると、遷移成功率が崩壊し（STFが支配的になる）、ステージ遷移が困難になりました。粗さ制約を除去すると、ステージ遷移は維持されるものの、パラメータの不一致によりサブタスク成功率が大幅に低下しました（PPFが支配的になる）。実現可能性制約を除去すると、主に接触の不安定性が増加しました。これにより、両方の失敗モードを同時に抑制するためには、SRDPの完全なアーキテクチャが必要であることが確認されました。

5. 意義と主張

著者らは、SRDPが複雑なマルチステージの製造プロセスに生成方策を適用する上で、重要な一歩であると主張しています。その意義は以下の通りです。

• ギャップの解消： 潜在的なステージの不確実性と、制約のないパラメータのドリフトという、これまで個別に、あるいは全く対処されてこなかった同時発生する問題に対し、統一的な解決策を提供します。
• 物理的な信頼性： 粗さ駆動の制約を拡散サンプリングプロセスに直接組み込むことで、生成されたアクションがタスクのステージに対して意味的に正しいだけでなく、物理的に実現可能で品質基準を満たしていることを保証します。
• 汎用性： 本手法は研磨において実証されましたが、著者らは、この定式化がステージ依存の目的と物理的制約を生成ロボット方策に組み込むための一般的なメカニズムとして機能し、研削、穴あけ、バリ取りなどにも適用可能であることを示唆しています。

結論として、SRDPはタスクのパフォーマンス、パラメータの安定性、および最終的な表面品質を向上させ、高精度製造環境における自律実行のための堅牢なフレームワークを提供するものです。