SI-Diff: A Framework for Learning Search and High-Precision Insertion with a Force-Domain Diffusion Policy

Resumo Técnico: SI-Diff: Um Framework para Aprendizado de Busca e Inserção de Alta Precisão com uma Política de Difusão no Domínio de Força

Declaração do Problema
A montagem rica em contato, particularmente tarefas de pino em furo, enfrenta desafios significativos devido a incertezas nas poses relativas, como desalinhamentos e folgas pequenas. Abordagens existentes tipicamente tratam a fase de "busca" (resolvendo grandes desalinhamentos em x–y) e a fase de "inserção de alta precisão" (resolvendo travamentos em folgas pequenas) como problemas separados que exigem estratégias distintas ou troca de modelos. Embora o servocontrole visual possa alcançar alinhamento grosseiro, sua precisão é frequentemente insuficiente para tarefas com folgas submilimétricas, tornando necessários métodos baseados em força. Métodos atuais de última geração, como o TacDiffusion [1], excel em inserção de alta precisão, mas assumem que o pino e o furo já estão geralmente alinhados, falhando quando desalinhamentos iniciais excedem 2 mm. Por outro lado, estratégias de busca frequentemente carecem da adaptabilidade para transicionar perfeitamente para a inserção de precisão. Há uma necessidade de um framework unificado capaz de aprender e executar ambos os padrões de ação distintos sem trocar de modelos ou pesos.

Metodologia
Os autores propõem o SI-Diff, um framework que unifica busca e inserção de alta precisão dentro de uma única política de difusão no domínio de força.

• Arquitetura do Sistema: O sistema emprega um controlador de impedância baseado em força de alimentação direta. O modelo aprende a gerar forças de alimentação direta ($F_{ff}$) com base em observações táteis e cinemáticas. O estado de entrada inclui o wrench externo ($\tau_{ext}$), o wrench interno ($\tau_{in}$) e as velocidades do efetuador final ($v_e$) de quadros atuais e anteriores.
• Política de Difusão no Domínio de Força: O núcleo é um Modelo Probabilístico de Difusão com Remoção de Ruído (DDPM) que mapeia ruído gaussiano para a distribuição-alvo de $F_{ff}$. O modelo é treinado para prever o ruído adicionado em cada etapa de difusão, condicionado ao estado do robô.
• Mecanismo de Condicionamento de Modo: Para permitir que um único modelo lide com dois comportamentos distintos (busca e inserção), os autores introduzem um mecanismo de condicionamento de modo. Inspirado na tokenização de processamento de linguagem natural, índices de modo discretos (0 para busca, 1 para inserção) são incorporados em vetores aprendíveis de alta dimensão. Esses tokens de modo são adicionados ao início da sequência de tokens de estado do robô, permitindo que o modelo de difusão aprenda padrões de ação distintos com base no prompt de modo especificado.
• Políticas Professoras:
  • Professor de Busca: Uma nova política baseada em regras é desenvolvida para gerar trajetórias de busca diversas. Diferentemente de buscas em espiral fixas, esta política randomiza parâmetros (por exemplo, direção de busca, amplitude, frequência) e adapta-se com base em forças externas para garantir exploração eficiente. Ela retém apenas demonstrações bem-sucedidas e eficientes (concluídas dentro de 2,5 segundos) para treinamento.
  • Professor de Inserção: O framework utiliza o método de inserção tátil adaptativo de [2] (e o TacDiffusion [1]) como professor para a fase de inserção. Esta política detecta estados "travados" via monitoramento de força residual e aplica movimentos de oscilação senoidal para escapar de travamentos.
• Estratégia de Treinamento: O modelo é treinado em um conjunto de dados composto por 300 demonstrações bem-sucedidas de busca e 1.500 demonstrações de inserção. Para abordar o desequilíbrio de classes, é empregada a Amostragem de Lotes Balanceados (BBS).

Principais Contribuições

1. Framework Unificado: Desenvolvimento de um framework novel (SI-Diff) que aprende tanto busca quanto inserção de alta precisão usando uma única política de difusão no domínio de força, eliminando a necessidade de troca de modelos.
2. Condicionamento de Modo: Projeto de um novo mecanismo de condicionamento que permite ao modelo executar padrões de ação distintos (busca exploratória vs. oscilação de precisão) com base em um prompt de modo, permitindo o aprendizado simultâneo de ambas as tarefas.
3. Professor de Busca Diverso: Criação de uma política professora de busca eficaz que gera trajetórias diversas e randomizadas, facilitando a coleta eficiente de dados e o aprendizado robusto de mapeamentos wrench-ação.

Resultados Experimentais
Os experimentos foram conduzidos usando um robô Franka Emika de 7 graus de liberdade com um pino prismático de 0,1 mm de folga para treinamento. O método foi avaliado contra o TacDiffusion [1], variantes baseadas em regras (Teacher-D, Teacher-R) e FORGE [3] em nove formas (incluindo geometrias não vistas como hexagonais/prismas, cilindros e conectores USB-A) e níveis de desalinhamento variando de 2 mm a 5 mm.

• Tolerância a Desalinhamento: O SI-Diff estendeu a tolerância para desalinhamento em x–y de 2 mm (o limite do TacDiffusion) para 5 mm.
• Taxas de Sucesso: Na forma prismática de treinamento, o SI-Diff alcançou uma taxa de sucesso de 95,8% em todos os níveis de desalinhamento, superando significativamente o TacDiffusion (29,1%) e outras linhas de base. Ele manteve altas taxas de sucesso (90%–97%) em formas não vistas, incluindo geometrias complexas como prismas triangulares e pentagonais.
• Eficiência: O SI-Diff demonstrou eficiência superior, com os menores tempos médios de execução (tanto incluindo falhas quanto apenas sucessos) em comparação com concorrentes.
• Transferência Zero-Shot: O modelo, treinado em uma única forma prismática, demonstrou robusta transferibilidade zero-shot para formas não vistas sem retreinamento.
• Comportamento Qualitativo: O modelo aprendeu a adaptar sua estratégia de busca dinamicamente, exibindo amplitudes e frequências variáveis que diminuíam à medida que o alinhamento melhorava, ao contrário dos padrões fixos da política professora.

Significado e Alegações
O artigo alega que o SI-Diff preenche a lacuna tecnológica entre estratégias de busca e inserção, oferecendo uma solução mais integrada para sistemas de montagem inteligentes. Ao aprender de demonstrações bem-sucedidas e eficientes fornecidas pela nova política professora, o modelo supera tanto a política professora quanto a linha de base de última geração (TacDiffusion) em termos de taxa de sucesso e eficiência. O significado principal reside na capacidade de lidar com desalinhamentos iniciais maiores (até 5 mm) enquanto mantém capacidades de inserção de alta precisão dentro de um único framework, reduzindo assim a complexidade de engenharia e facilitando a integração em aplicações industriais do mundo real. Os autores observam que, embora o método seja robusto, a troca de modos é atualmente acionada pelo deslocamento em z, em vez de sinais táteis aprendidos, e o escopo é limitado a desalinhamentos em x–y e inserção com folgas pequenas.