Synthetic vs. Real Training Data for Visual Navigation

Título: Sintético vs. Dados Reais para Treinamento de Navegação Visual

1. Problema Investigado

O artigo aborda o desafio fundamental na robótica de aprendizado: a lacuna sim-to-real (sim2real). Tradicionalmente, políticas de navegação visual treinadas em simulação sofrem degradação significativa de desempenho quando implantadas no mundo real devido a diferenças de aparência (iluminação, texturas, geometria) e dinâmicas.
A questão central da pesquisa é: Políticas treinadas exclusivamente em simulação podem competir ou superar políticas treinadas com dados reais?
Enquanto a coleta de dados reais é laboriosa e específica da plataforma, a geração de dados sintéticos é escalável, mas enfrenta o problema de generalização. Trabalhos anteriores compararam políticas treinadas em simulação em ambientes simulados e reais, mas não compararam diretamente o desempenho de políticas treinadas em simulação contra aquelas treinadas com dados reais para a mesma tarefa.

2. Metodologia

A. Arquitetura do Modelo: FAINT
Os autores introduzem o FAINT (Fast Appearance-Invariant Navigation Transformer), uma arquitetura leve (12M parâmetros) projetada para rodar em tempo real em hardware robótico restrito. O modelo utiliza uma abordagem de navegação topológica baseada em imagens (submetas).

• Representação Visual Pré-treinada (PVR): Para superar a lacuna de aparência, o FAINT utiliza um codificador de imagem pré-treinado e congelado (variante Tiny CDDSV do modelo Theia). Este modelo é destilado de grandes arquiteturas (CLIP, DiNOv2, Depth Anything, SAM, ViT), permitindo robustez a mudanças de domínio sem necessidade de ajuste fino.
• Codificador Binocular: Uma inovação chave é o uso de um decodificador transformer que condiciona a imagem da meta (subgoal) à observação atual do robô. Isso permite que o modelo aprenda correspondências implícitas entre a observação e a meta, facilitando a estimativa de pose relativa, algo que métodos de concatenação simples não conseguem fazer eficientemente com codificadores pré-treinados.
• Codificador de Sequência: Processa a sequência de observações e tokens de meta condicionados para prever uma trajetória de waypoints.

B. Abordagens de Treinamento
Os autores treinaram e compararam três versões do FAINT:

1. FAINT (Real): Treinado com dados de navegação topológica do mundo real (conjuntos de dados como RECON, GoStanford, SACSoN, etc.) usando Imitation Learning (Behavior Cloning).
2. FAINT (Sim - BC): Treinado em simulação (Habitat) usando Behavior Cloning (imitação direta de um oráculo).
3. FAINT (Sim - DAgger): Treinado em simulação usando o algoritmo DAgger (Dataset Aggregation). Neste método, o agente executa suas próprias ações com certa probabilidade durante a coleta de dados, permitindo o aprendizado on-policy e a correção de erros cumulativos (covariate shift).

C. Configuração Experimental

• Robôs: Um robô móvel (Turtlebot4) e um drone personalizado (Agipix-drone).
• Ambientes: Testes realizados em diversos ambientes internos reais (apartamentos, escritórios, campus universitário, abrigo contra radiação) com diferentes desafios: espaços abertos, manobras apertadas, desordem (clutter) e mudanças de iluminação.
• Métricas: Taxa de sucesso de navegação (Success Rate - SR).

3. Principais Contribuições

1. Comparação Direta Real vs. Simulado: O primeiro estudo a comparar diretamente o desempenho de políticas de navegação treinadas exclusivamente com dados sintéticos contra aquelas treinadas com dados reais para a mesma tarefa de navegação topológica.
2. Arquitetura FAINT: Proposição de um modelo leve e eficiente que utiliza representações visuais pré-treinadas e um mecanismo de atenção binocular para garantir invariância a mudanças de aparência e generalização sim-to-real.
3. Descoberta sobre Aprendizado On-Policy: Demonstração de que o aprendizado on-policy (via DAgger) em simulação é um fator crítico que supera a simples escala de dados, permitindo que políticas sintéticas superem as reais.

4. Resultados Chave

• Desempenho Simulado vs. Real:

  • O FAINT treinado em simulação com DAgger superou o FAINT treinado com dados reais em 31 pontos na taxa de sucesso geral.
  • O modelo simulado superou os métodos State-of-the-Art (SOTA) anteriores (como NoMAD, PlaceNav, ViNT) em 50 pontos.
  • Em rotas complexas (manobras apertadas e com desordem), o modelo simulado alcançou 76-92% de sucesso, enquanto os modelos reais e SOTA tiveram desempenho significativamente inferior (muitas vezes abaixo de 50%).

• Impacto do DAgger e Escala de Dados:

  • Treinar apenas com Behavior Cloning (BC) em simulação, mesmo com 12M de amostras, resultou em desempenho ruim (23% de sucesso no mundo real), mostrando que escala de dados não é suficiente.
  • O uso de DAgger foi crucial para lidar com o covariate shift (erros cumulativos), elevando o desempenho real para 80%.
  • O modelo real (1.2M de amostras) teve desempenho inferior ao modelo simulado com DAgger (12M de amostras), sugerindo que a capacidade de gerar dados on-policy infinitos em simulação compensa a escassez de dados reais.

• Generalização e Robustez:

  • Mudança de Iluminação: O FAINT manteve alta taxa de sucesso sob mudanças drásticas de iluminação (de 25 lx a 220 lx), enquanto modelos SOTA (como ViNT) falharam completamente quando a iluminação de teste diferia da de treinamento.
  • Generalização Cross-Embodiment: Um modelo treinado em simulação para um robô com rodas foi implantado com sucesso em um drone sem modificações na arquitetura, demonstrando forte generalização entre diferentes plataformas robóticas.

5. Significado e Conclusão

O trabalho desafia a crença comum de que dados reais são indispensáveis para o alto desempenho em navegação robótica no mundo real. Os resultados indicam que:

1. Aprendizado On-Policy em Simulação é uma vantagem decisiva sobre dados reais estáticos, pois permite que o agente aprenda a recuperar-se de erros e explore distribuições de estado mais diversas.
2. Representações Visuais Pré-treinadas (PVRs) são essenciais para fechar a lacuna de aparência entre simulação e realidade.
3. A combinação de conjuntos de dados reais (off-policy) com correções on-policy geradas em simulação parece ser o caminho mais promissor para o futuro do aprendizado de robôs.

Em suma, o estudo demonstra que, com a arquitetura e o método de treinamento adequados, a simulação não é apenas uma ferramenta de prototipagem, mas um ambiente de treinamento superior para políticas de navegação visual robustas e generalizáveis.