Resumo Técnico: FILIC – Aprendizado por Imitação com Guia de Força em Loop Duplo com Controle de Torque de Impedância

Problema

Tarefas de manipulação ricas em contato, como inserção, montagem e manipulação intra-mão, requerem regulação precisa de força para interagir de forma segura e eficaz com ambientes físicos. Embora o Aprendizado por Imitação (IL) tenha se tornado um paradigma dominante para adquirir tais habilidades, as abordagens convencionais permanecem amplamente centradas na posição. Esses métodos tipicamente produzem posições de juntas ou poses de 6-DOF, o que frequentemente induz forças internas excessivas durante o contato, arriscando danos ao robô e ao ambiente.

Embora o feedback de força no efetor final seja crítico para o comportamento complacente, confiar em sensores de Força/Torque (F/T) montados no pulso limita a escalabilidade devido aos altos custos e complexidade de hardware. Além disso, tentativas existentes de incorporar força no IL frequentemente tratam a força apenas como um sinal auxiliar para controle de posição, em vez de aproveitá-la para execução complacente. Existe uma lacuna significativa na implementação de sistemas de controle de torque estáveis e complacentes em configurações de baixo custo e sem sensores dedicados.

Metodologia: O Framework FILIC

Para enfrentar esses desafios, os autores propõem o FILIC (Force-guided Imitation Learning with Impedance torque Control), uma arquitetura de loop duplo que integra uma política de IL baseada em Transformer de alto nível com um controlador de impedância de baixo nível.

1. Arquitetura de Controle de Loop Duplo

O sistema opera em duas escalas de tempo distintas para equilibrar percepção, planejamento e execução:

• Loop Externo (25 Hz): Uma política de IL baseada em Transformer processa entradas sensoriais multimodais, incluindo imagens visuais (codificadas via ResNet), pose do efetor final e forças externas estimadas. A política prevê uma sequência de poses de 6-DOF do efetor final. Este loop utiliza uma abordagem de Action Chunking with Transformers (ACT) para aumentar a coerência temporal e a robustez.
• Loop Interno (2 kHz): As poses alvo previstas são convertidas em ângulos de junta via Cinemática Inversa (IK). Um controlador de impedância no espaço das juntas executa comandos de torque em alta frequência. Este loop emprega um modelo simplificado de mola-amortecedor (omitindo o termo de inércia para evitar ruído de aceleração) para garantir uma execução de torque complacente e estável. Um módulo de compensação de gravidade opera a 250 Hz para suportar a estimativa de dinâmica.

2. Estimativa de Força do Efetor Final Sem Sensores

Uma inovação central do FILIC é sua capacidade de estimar wrench (par de forças) do efetor final sem sensores F/T dedicados.

• Inversão Baseada em Jacobiano: O sistema aproveita a relação analítica entre torques de junta e forças do efetor final: $\tau_{ext} = J(q)^T F_{ext}$. Ao inverter a transposta do Jacobiano, o sistema estima forças externas a partir de medições de torque de junta.
• Gêmeo Digital Síncrono: Para lidar com fatores do mundo real como ruído de sensor, fricção e complacência mecânica, os autores utilizam um gêmeo digital de alta fidelidade (simulado no MuJoCo). Este gêmeo é sincronizado com as posições e velocidades de junta do robô físico para computar os torques de junta esperados ($\tau_{inv}$). A força externa é então estimada comparando os torques observados ($\tau_{obs}$) com os torques previstos pelo modelo ($\tau_{inv}$):
  $$F_{ext} = J(q)^T + (\tau_{obs} - \tau_{inv})$$
  Esta abordagem elimina a necessidade de hardware caro, fornecendo representações de força intuitivas para a política de IL.

3. Coleta de Dados com Feedback Háptico

Para garantir dados de demonstração de alta qualidade que capturem variações significativas de força, os autores utilizam uma interface de teleoperação manual de baixo custo equipada com feedback háptico vibrotátil. As forças estimadas do efetor final são mapeadas para frequências de vibração, permitindo que operadores humanos percebam intuitivamente a intensidade do contato e ajustem suas ações de acordo.

Principais Contribuições

O artigo descreve três contribuições primárias:

1. Estimativa de Força Sem Sensores: Um método de baixo custo para estimar wrench do efetor final usando um gêmeo digital síncrono e inversão baseada em Jacobiano, com implementação de código aberto.
2. Framework de Loop Duplo: Uma arquitetura inovadora que combina uma política de imitação de loop externo baseada em Transformer (fundindo entradas visuais e de força) com um controlador de torque de impedância de loop interno, permitendo manipulação complacente sem sensores F/T no pulso.
3. Validação de Desempenho: Evidência empírica demonstrando que substituir o torque bruto da junta pela força estimada do efetor final melhora significamente o desempenho da política em tarefas ricas em contato.

Resultados Experimentais

Os autores avaliaram o FILIC através de cenários de simulação e mundo real envolvendo quatro tarefas ricas em contato: inserção de adaptador de tomada, operação de botão de parada de emergência, fixação de grampo em C e aperto de tampa de garrafa.

• Precisão da Estimativa de Força: Testes de carga estática em um manipulador de 6-DOF confirmaram a capacidade do estimador de rastrear cargas gravitacionais com baixo erro médio e desvio padrão.
• Desempenho da Política (Simulação):
  • Baseline apenas de posição: 68,0% de taxa de sucesso.
  • Posição + Torque de Junta: 80,0% de taxa de sucesso.
  • Posição + Força de EE Estimada (FILIC): 90,0% de taxa de sucesso.
• Desempenho da Política (Mundo Real):
  • O FILIC superou consistentemente tanto o baseline de apenas posição quanto o de posição mais torque de junta em todas as quatro tarefas.
  • As melhorias sobre o baseline de apenas posição variaram de +33,3 pp (Tomada) a +53,4 pp (Tampa).
  • Crucialmente, a Força de EE Estimada superou consistentemente as entradas de Torque de Junta bruto (ex: melhoria de +16,7 pp na tarefa da Tomada), indicando que o wrench estimado fornece um sinal de contato mais alinhado à tarefa.

Significância e Alegações

O artigo afirma que o FILIC preenche com sucesso a lacuna entre o aprendizado por imitação moderno e a interação física complacente sem depender de hardware caro. Ao unificar uma política semântica de alto nível com um controlador de torque de baixo nível e um estimador de força sem sensores, o framework alcança uma manipulação mais segura, complacente e adaptável em contextos ricos em contato.

Os autores enfatizam que sua abordagem permite que robôs explorem dinâmicas ricas de interação física em ambientes de recursos limitados. Os resultados sugerem que a representação explícita de força, derivada via estimativa baseada em gêmeo digital, é superior ao torque bruto de junta para guiar políticas de IL em cenários de contato. O trabalho conclui que tal framework possibilita destreza semelhante à humana em ambientes não estruturados, mantendo a escalabilidade e a acessibilidade.