Resumo Técnico: Correspondência de Fluxo Morfologicamente Equivariante para Manipulação Móvel Bimanual

Declaração do Problema

A manipulação móvel (MoMa) envolvendo robôs bimanuais exige o controle coordenado de sistemas de alta dimensionalidade. Embora a Aprendizagem por Imitação (IL), especificamente a Clonagem de Comportamento (BC), seja uma abordagem padrão para resolver essas tarefas, ela frequentemente sofre de baixa eficiência amostral e generalização deficiente, necessitando de vastas quantidades de dados de demonstração de especialistas. Um viés indutivo crítico, porém frequentemente negligenciado, em sistemas bimanuais é a simetria morfológica bilateral. A maioria dos robôs bimanuais, como os humanos, possui uma simetria de reflexão através de seu plano sagital. Os métodos atuais de IL tipicamente ignoram esse prior, falhando em aproveitar o fato de que uma política que resolve uma tarefa em uma configuração deve inerentemente resolver sua contraparte espelhada. O artigo aborda o desafio de formalizar essa simetria para melhorar a eficiência amostral, a generalização e a otimalidade na MoMa bimanual.

Metodologia

Os autores enquadram o problema de aprendizado de política como uma otimização com restrição de simetria dentro do framework de Correspondência de Fluxo (FM).

1. Formulação do Problema

A tarefa é modelada como um Processo de Decisão de Markov Parcialmente Observável (POMDP). A hipótese central é que o POMDP admite uma única simetria de reflexão ($g_r$) induzida pela morfologia do robô. Essa simetria atua nos espaços de estado ($S$), ação ($A$) e observação ($O$). Os autores argumentam que uma política ótima $\pi_\theta$ deve satisfazer uma restrição de invariância $C_2$:
$$\pi_\theta(a|x) = \pi_\theta(g_r \triangleright_A a | g_r \triangleright_X x)$$
Isso implica que, se a observação de entrada for refletida, a distribuição de ação de saída também deve ser refletida de acordo, resultando em uma política ambidestra.

2. Correspondência de Fluxo com Equivariância

Os autores utilizam a Correspondência de Fluxo, onde a política é modelada como a integração de uma Equação Diferencial Ordinária (ODE) de tempo contínuo governada por um campo de velocidade $v_\theta$. O objetivo é aprender um campo de velocidade que transforme uma distribuição prior (ruído gaussiano) na distribuição de ações de especialistas.

Para impor a restrição de simetria, o campo de velocidade $v_\theta$ deve ser $G$-equivariante. O artigo propõe três estratégias distintas para impor isso dentro do objetivo de FM:

• Aumento de Dados (SymAug): O conjunto de dados de treinamento é aumentado adicionando pares de observação-ação refletidos. Isso suaviza a restrição expondo o modelo a exemplos espelhados durante o treinamento.
• Função de Perda de Consistência de Equivariância (EquivReg): Um termo de regularização é adicionado à função de perda de treinamento. Este termo penaliza desvios da equivariância minimizando a distância entre a saída do campo de velocidade em uma entrada refletida e a reflexão da saída do campo de velocidade na entrada original.
• Rede Equivariante Explícita (EquivNet): O campo de velocidade $v_\theta$ é parametrizado usando um novo Transformer $G$-equivariante. Nesta arquitetura, todos os módulos são projetados para serem equivariantes a um grupo compacto arbitrário $G$ (especificamente $C_2$ para reflexão), garantindo que a restrição de equivariância se mantenha para todas as entradas, incluindo aquelas fora da distribuição.

Principais Contribuições

1. Formalização da Simetria em FM: O artigo formaliza a equivariância induzida por simetria de reflexão para IL dentro do framework de Correspondência de Fluxo e demonstra duas estratégias principais para impor essas restrições: via redes neurais equivariantes ou via regularização.
2. Arquitetura Novel: Os autores introduzem um transformer $G$-equivariante capaz de lidar com grupos finitos arbitrários, especificamente adaptado para permitir controle bimanual ambidestro.
3. Validação Empírica: O estudo demonstra que explorar a simetria morfológica melhora a eficiência amostral, a generalização e permite transferência zero-shot para tarefas espelhadas que estavam ausentes da distribuição de treinamento.

Resultados Experimentais

Os métodos propostos foram avaliados no benchmark Push-T, em tarefas simuladas de MoMa bimanual (levantamento de caixa, abertura de armário, alcance) usando um robô TIAGo++, e em uma tarefa real com TIAGo++.

• Eficiência Amostral: Em um regime de dados compartilhados (onde demonstrações originais e refletidas estão disponíveis), políticas informadas por simetria (SymAug, EquivReg, EquivNet) superaram consistentemente a linha de base agnóstica à simetria (FM-BL). Em média, alcançaram um ganho de 2× na eficiência amostral.
• Generalização Zero-Shot: Políticas treinadas na configuração original transferiram-se com sucesso para configurações espelhadas ($g_r$) sem treinamento adicional.
  • Simulação: Na tarefa de Levantamento de Caixa, a linha de base alcançou 0% de sucesso em tarefas espelhadas, enquanto os métodos conscientes de simetria alcançaram ~66–72% de sucesso. Na abertura de Armário, as taxas de sucesso espelhado subiram de 0% (linha de base) para ~83–88%.
  • Mundo Real: Em um robô TIAGo++ real executando uma tarefa de pegar e colocar, uma política treinada no braço esquerdo (original) alcançou 100% de sucesso quando testada no braço direito (espelhado) em um cenário zero-shot.
• Otimalidade e Escalonamento de Dificuldade: O artigo observa que impor a restrição de simetria como uma restrição de otimalidade (via EquivReg e EquivNet) produziu melhores resultados do que o simples aumento de dados, particularmente em tarefas desafiadoras como o levantamento de caixa. Além disso, as melhorias de desempenho sobre a linha de base aumentaram com a dificuldade da tarefa (por exemplo, distribuições de alvo mais amplas), sugerindo que o prior de simetria escala bem com a complexidade.

Significado e Alegações

O artigo alega que a simetria morfológica é um viés indutivo eficaz, generalizável e escalável para o aprendizado de políticas generativas ambidestras. Ao incorporar explicitamente a realidade física da simetria bilateral no algoritmo de aprendizado, os autores demonstram que os robôs podem aprender com mais eficiência e generalizar para cenários espelhados não vistos sem exigir coleta adicional de dados.

O trabalho distingue-se de IL baseada em simetria anterior (que frequentemente focava em equivariância SE(3) ou locomoção) ao direcionar especificamente a manipulação móvel bimanual e utilizar Correspondência de Fluxo com arquiteturas equivariantes explícitas. Os autores concluem que tratar a simetria como uma restrição rígida (via redes equivariantes) ou um regularizador forte é superior a tratá-la meramente como aumento de dados, oferecendo um caminho robusto para robôs de serviço mais capazes e eficientes em termos de dados.