Continuum Robot Modeling with Action Conditioned Flow Matching

Resumo Técnico: Modelagem de Robôs Contínuos com Correspondência de Fluxo Condicionada à Ação

Enunciado do Problema
Prever a forma de estado estacionário de Robôs Contínuos Acionados por Tendões (TDCRs) a partir de comandos de atuação é um desafio persistente devido à deformação contínua, roteamento complexo de tendões, complacência, atrito, histerese e variabilidade de fabricação. Modelos cinemáticos clássicos (por exemplo, curvatura constante) oferecem interpretabilidade, mas frequentemente falham em capturar detalhes complexos de deformação, enquanto modelos baseados em mecânica (por exemplo, hastes de Cosserat) exigem identificação extensa de parâmetros e calibração. Além disso, abordagens baseadas em dados existentes frequentemente focam na estimativa de estado de baixa dimensionalidade ou renderização no espaço da imagem, em vez de prever geometria 3D densa e de corpo inteiro diretamente a partir da atuação. Os autores enquadram isso como um problema de auto-modelagem quase-estática condicionada à ação: dado um estado de atuação de motor ou tendão, prever a geometria 3D assentada do robô sem tentar recuperar parâmetros físicos intermediários (como rigidez do material ou forças do tendão) ou trajetórias de deformação transitória.

Metodologia
O framework proposto aprende um mapeamento de estados de atuação para nuvens de pontos 3D densas usando Correspondência de Fluxo Condicionada à Ação.

1. Representação de Dados: Configurações do robô são representadas como nuvens de pontos densas e invariantes a permutações ($N$ pontos) reconstruídas a partir de observações RGB-D sincronizadas (XYZ ou XYZ+RGB). Isso evita modelos de forma paramétricos projetados manualmente e captura flexão e torção de corpo inteiro.
2. Formulação de Correspondência de Fluxo: Em vez de regredir um mapeamento determinístico, o modelo aprende um campo de velocidade condicional $u_\theta(X, t | c)$ no espaço da nuvem de pontos.
   • Priori: Uma distribuição priori Gaussiana simples $p_0 = \mathcal{N}(0, \sigma^2 I)$.
   • Alvo: A distribuição de formas de robô assentadas associadas a uma condição específica $c$ (comandos de motor normalizados e, opcionalmente, carga útil).
   • Treinamento: O modelo é treinado para prever a velocidade de transporte que move amostras da priori para a distribuição alvo ao longo de um caminho de interpolação linear $X_t = (1-t)X_0 + tX_1$. A perda minimiza a norma de Frobenius entre a velocidade prevista e a velocidade de transporte alvo ($X_1 - X_0$).
   • Inferência: Uma nuvem de pontos de estado estacionário é gerada integrando a Equação Diferencial Ordinária (EDO) aprendida de $t=0$ (ruído) a $t=1$ (forma prevista) usando o método de Heun (RK2). A variável de integração é um tempo de transporte generativo, não tempo físico.
3. Arquiteturas de Rede: Duas arquiteturas equivariantes a permutações são avaliadas para o campo de velocidade:
   • MLP: Um Perceptron Multicamadas leve processando pontos independentemente com embeddings de condição global injetados via camadas FiLM.
   • PVConv Híbrido: Augmenta o MLP com um módulo de Convolução Ponto-Voxel (PVConv) multiescala para capturar contexto geométrico local, empregando uma mistura controlada por tempo entre características globais e locais.
4. Condicionamento: O vetor de condição $c$ inclui comandos de motor normalizados. Na simulação, isso é estendido para incluir uma magnitude escalar de carga útil na ponta para testar a previsão condicionada à carga útil.

Principais Contribuições

• Hardware e Pipeline: Uma plataforma TDCR 3D impressa leve e configurável (iniciada como robôs de 2 e 3 módulos) e um pipeline de coleta de dados RGB-D multicâmera sincronizado para dados de auto-modelagem do mundo real.
• Algoritmo: Um framework de correspondência de fluxo condicionado à ação que prevê geometria 3D densa e assentada do robô diretamente a partir de estados de atuação de motor, operando no espaço da nuvem de pontos em vez do espaço da imagem ou de parâmetros de baixa dimensionalidade.
• Avaliação: Um benchmark sistemático na simulação MuJoCo (variantes de 2, 3 e 5 módulos) e em hardware real, comparando com baselines baseadas em pontos (PointFlow) e baseadas em visão (VSM, NeRF/FFKSM, 3D Gaussian Splatting).
• Extensão: Demonstração de que a formulação condicional se generaliza para incluir carga útil na ponta escalar como entrada de condicionamento na simulação.

Resultados Experimentais

• Simulação: O método proposto (especificamente a arquitetura Híbrida) alcançou a menor Distância de Chamfer (CD) e Distância do Movimentador da Terra (EMD) em todas as morfologias simuladas (2, 3 e 5 módulos). Reduziu a CD em aproximadamente 64–96% e a EMD em 50–83% em comparação com as baselines não propostas mais fortes.
• Hardware Real: Em robôs reais de 2 e 3 módulos, o método superou as baselines, reduzindo a CD em 33,5% (2 módulos) e 20,3% (3 módulos) em relação ao PointFlow, e melhorando significativamente a EMD.
• Análise Qualitativa: Diferentemente de métodos baseados em visão (NeRF, 3DGS), que lutaram com geometria de corpo fino ou qualidade de máscara, e do PointFlow, que produziu amostras distais difusas, o método proposto manteve geometria de ponta e corpo mais limpa.
• Condicionamento de Carga Útil: Na simulação, o modelo previu com sucesso mudanças de forma sob cargas úteis variáveis na ponta, demonstrando a capacidade de incorporar variáveis de estado quase-estáticas adicionais.

Significado e Alegações
O artigo alega apresentar um framework de auto-modelagem baseado em dados que prevê efetivamente a geometria quase-estática de TDCRs a partir da atuação sem exigir identificação explícita de parâmetros físicos. O significado reside em:

1. Previsão Direta de Geometria: Ir além de estados de espinha dorsal esparsos ou renderização de imagem para fornecer uma representação direta e densa de nuvem de pontos 3D adequada para planejamento e verificação de colisão.
2. Robustez: Alcançar precisão superior sobre baselines generativas tanto baseadas em pontos quanto baseadas em visão, tanto em simulação quanto em cenários do mundo real.
3. Modularidade: O framework é mostrado como adaptável a diferentes morfologias de robô (contagens de módulos) e pode incorporar variáveis de estado adicionais (como carga útil) quando os dados estão disponíveis.

Limitações e Escopo
Os autores afirmam explicitamente que o método visa previsão quase-estática ao nível de observação, não dinâmica transitória ou simulação física. Os experimentos do mundo real foram limitados a robôs de 2 e 3 módulos, enquanto os resultados de 5 módulos e condicionados à carga útil foram apenas de simulação. A extensão de carga útil usa uma carga escalar alinhada à gravidade e não alega lidar com contato arbitrário, torque fora do eixo, cargas distribuídas ou transferência zero-shot através de designs de robô não vistos. O trabalho é posicionado como uma fundação para pesquisas futuras sobre modelagem de contato mais rica e integração de controle em malha fechada.