ScanDP: Generalizable 3D Scanning with Diffusion Policy

Resumo Técnico: ScanDP

1. Problema e Motivação

A digitalização 3D é fundamental em áreas como robótica, inspeção industrial e arquivamento digital. No entanto, a varredura manual é lenta, trabalhosa e propensa a erros. Métodos automatizados existentes enfrentam desafios significativos:

• Métodos Baseados em Regras: Frequentemente heurísticos e incapazes de se adaptar a ambientes complexos ou objetos não vistos anteriormente.
• Métodos Baseados em Aprendizado por Reforço (RL): Exigem grandes quantidades de dados de treinamento e sofrem com custos computacionais elevados e dificuldade no design de recompensas.
• Aprendizado por Imitação (IL) e Políticas de Difusão: Embora eficientes, abordagens anteriores (como a Diffusion Policy padrão) muitas vezes falham em generalizar para novos objetos, geram comportamentos imprevisíveis, trajetórias redundantes (ex: movimento em zigue-zague) e são sensíveis a ruídos de sensores e oclusões.

O objetivo principal deste trabalho é desenvolver um sistema de varredura 3D autônomo que seja generalizável (funcione em objetos nunca vistos), eficiente (treine com poucos dados), robusto (resista a ruídos) e seguro (evite colisões).

2. Metodologia (ScanDP)

O ScanDP é um framework de aprendizado por imitação baseado em Diffusion Policy (Política de Difusão), projetado para gerar trajetórias globais de movimento da câmera. A arquitetura divide-se em duas fases principais:

A. Representação e Codificação do Ambiente (OGM)

• Diferente de métodos anteriores que usam nuvens de pontos diretamente, o ScanDP utiliza um Mapa de Ocupação (Occupancy Grid Map - OGM).
• O OGM integra medições ao longo do tempo usando atualizações bayesianas (log-odds), permitindo que o sistema represente não apenas a geometria, mas também a incerteza da medição.
• Para codificar o OGM, utiliza-se Convolução Esparsa (Sparse Convolution), que é mais eficiente para dados esparsos do que convoluções 3D densas, extraindo características espaciais robustas.

B. Geração de Trajetória (Diffusion Policy)

• A política é modelada como um Modelo Probabilístico de Difusão (DDPM).
• Entrada: O modelo recebe o histórico de poses da câmera e as características extraídas do OGM.
• Saída: Gera uma sequência de $N$ ações (poses futuras da câmera) condicionadas ao estado atual.
• O treinamento ocorre imitando demonstrações humanas, onde a rede aprende a remover ruído das ações para recuperar trajetórias de alta qualidade.

C. Otimização de Caminho e Segurança
Para mitigar comportamentos subótimos e garantir segurança, o ScanDP aplica duas etapas pós-geração:

1. Filtro de Colisão baseado em "Bolhas" (Bubble-based Collision Filter): Verifica se há espaço livre ao redor da câmera usando o OGM. Define-se uma "bolha" (esfera) ao redor de cada ponto da trajetória; se a distância até o obstáculo mais próximo for menor que um raio mínimo, o ponto é descartado.
2. Extração de Pontos de Vista e Otimização: Utiliza programação dinâmica para reduzir o número de pontos na trajetória, mantendo a fidelidade do caminho original, resultando em movimentos mais suaves e eficientes.

3. Contribuições Principais

1. Generalização Superior: O método demonstra alta capacidade de adaptação a objetos de categorias, formas e escalas nunca vistos durante o treinamento (transferência zero-shot).
2. Eficiência de Dados: Alcança alto desempenho treinando com uma quantidade muito limitada de dados de demonstração humana (apenas 5 trajetórias no experimento principal).
3. Robustez e Segurança: A combinação de OGM (que suaviza ruídos através de fusão bayesiana) e o filtro de colisão por bolhas garante operação estável em condições de ruído de sensor e evita colisões, algo que métodos baseados apenas em nuvens de pontos (como o 3D Diffusion Policy) não garantem tão bem.
4. Eficiência de Trajetória: Reduz significativamente o comprimento do caminho percorrido e elimina movimentos redundantes através da otimização de trajetória.

4. Resultados Experimentais

Os experimentos foram realizados em simulação (Genesis) e no mundo real (braço robótico 6-DoF com sensor RGB-D).

• Cobertura e Comprimento do Caminho:

  • O ScanDP alcançou consistentemente a maior cobertura (ex: 97% em objetos não vistos) comparado a baselines como Diffusion Policy (DP) e 3D Diffusion Policy (DP3).
  • Enquanto o DP3 e métodos aleatórios tendiam a ficar presos em certas vistas ou repetir áreas visíveis, o ScanDP identificava ativamente superfícies ocultas.
  • O ScanDP com otimização de caminho reduziu a distância total percorrida em 32% em comparação com a versão sem otimização.

• Robustez a Ruído:

  • Em testes com ruído gaussiano adicionado aos mapas de profundidade, o ScanDP manteve uma cobertura de ~88-90% mesmo com ruído significativo (std=0.1).
  • O DP3 sofreu uma queda drástica de desempenho (queda de ~20% na cobertura) com ruído mínimo (std=0.01), evidenciando a superioridade do OGM na fusão de dados.

• Generalização de Campo de Visão (FoV):

  • O método manteve desempenho estável ao variar o campo de visão da câmera (simulando diferentes sensores), enquanto o DP3 apresentou variações maiores.

• Experimentos Reais:

  • Em testes físicos, o ScanDP alcançou 95% de cobertura com baixa variância, superando o DP3 (33% de cobertura), demonstrando viabilidade prática e estabilidade operacional.

5. Significado e Conclusão

O ScanDP representa um avanço significativo na automação de varredura 3D. Ao substituir o processamento direto de nuvens de pontos por um Mapa de Ocupação probabilístico e combinar isso com Políticas de Difusão e otimização de trajetória, o trabalho resolve problemas críticos de generalização e segurança.

A principal implicação é que é possível criar sistemas de varredura autônomos que não exigem grandes conjuntos de dados de treinamento específicos para cada objeto, sendo capazes de operar de forma segura e eficiente em ambientes não estruturados e com sensores imperfeitos. Isso abre caminho para aplicações em inspeção industrial, digitalização de patrimônio cultural e robótica móvel, onde a confiabilidade e a adaptabilidade são essenciais.

Limitações Futuras: O método depende de dados de demonstração humana, exigindo adaptação de domínio para cinemáticas robóticas específicas, e a extração de características em grandes áreas espaciais com grades fixas pode apresentar desafios de escalabilidade.