Resumo Técnico: Aprendizado de Habilidades Motoras Transferíveis para Tarefas Robóticas em Superfícies Conscientes de Geometria

Declaração do Problema

Tarefas de interação robótica com superfícies, como pintura por spray e soldagem, exigem uma capacidade dual: planejamento de trajetória geométrica precisa e estratégias de execução precisas que imitam a expertise humana. Embora os planejadores de movimento modernos gerem efetivamente trajetórias livres de colisões que satisfazem restrições geométricas, eles frequentemente falham em capturar os padrões motores sutis de operadores humanos habilidosos, como a escalonamento adaptativo de velocidade e os ajustes de orientação da ferramenta baseados na geometria local. Por outro lado, as abordagens de Aprendizado por Demonstração (LfD) preservam essas habilidades motoras expert, mas tipicamente acoplam a execução de forma rígida à geometria específica da demonstração. Esse acoplamento limita a transferibilidade das habilidades aprendidas para novas peças com formas ou topologias diferentes. O desafio central abordado é como desacoplar o planejamento geométrico de alto nível da expertise de execução de baixo nível para permitir habilidades motoras transferíveis e conscientes de geometria.

Metodologia

Os autores propõem um framework modular que representa o comportamento expert como um vocabulário de regras motoras atômicas e interpretáveis. Essas regras modificam sistematicamente uma trajetória de referência planejada geometricamente com base nas características locais dos segmentos.

1. Representação de Habilidade Baseada em Regras

As habilidades expert são modeladas como um conjunto estruturado de transformações paramétricas ($\rho$) aplicadas a segmentos espaciais de uma trajetória. O caminho geométrico bruto é decomposto em segmentos (por exemplo, linhas retas, cantos). O vocabulário de regras inclui:

• Escalonamento de Velocidade ($\rho_{vel}$): Aplica um fator de escala contínuo à velocidade linear alvo.
• Desvios de Orientação ($\rho_{ori}$): Introduz inclinações sistemáticas (representadas como desvios de quaternion) relativas à normal da superfície para imitar o manuseio expert da ferramenta.

2. Inferência Neural Multimodal

Uma rede neural multimodal é treinada para inferir parâmetros de regras e tipos de segmentos conjuntamente a partir de dados de trajetória cinemática e geometria de modelo CAD.

• Entradas: O modelo processa uma trajetória cinemática (posição, orientação, velocidade) e o modelo CAD alvo subjacente (representado como uma nuvem de pontos).
• Arquitetura:
  • Codificador de Trajetória: Um codificador convolucional 1D (três camadas Conv1d empilhadas) processa características de trajetória indexadas no tempo. Orientações são mapeadas para uma representação de rotação contínua 6D para estabilidade.
  • Codificador de Geometria: Um codificador PointNet++ processa a nuvem de pontos do CAD para extrair características geométricas globais.
  • Fusão: Os embeddings de ambas as modalidades são concatenados e passados através de um Perceptron Multicamadas (MLP) compartilhado.
• Saídas: A rede utiliza duas cabeças:
  • Uma cabeça de classificação que prevê o tipo de segmento geométrico (reto, canto ou nenhum) ao qual uma regra se aplica.
  • Uma cabeça de regressão que prevê o parâmetro de execução contínuo (por exemplo, multiplicador de velocidade específico ou ângulo de inclinação).

3. Refinamento de Trajetória e Simulação

Para garantir continuidade física e evitar saltos instantâneos de velocidade, as regras inferidas são injetadas em uma simulação baseada em física. Um controlador de perseguição pura rastreia uma pose de olhar à frente ao longo do caminho de referência, aplicando forças e torques proporcionais aos erros de posição e orientação. O wrench resultante é integrado numericamente usando um método de Runge-Kutta de quarta ordem (RK4), modelando o efetuador final como um corpo rígido com massa, inércia e amortecimento viscoso.

4. Geração de Dados e Transferência

Os dados de treinamento são gerados sinteticamente usando topologias em forma de L e em forma de janela. Para transferência para geometrias não vistas, o sistema segmenta automaticamente um novo caminho geométrico usando uma janela deslizante e Decomposição em Valores Singulares (SVD) para medir a curvatura local, rotulando pontos como "reto" ou "canto" sem anotação manual. As regras inferidas são então aplicadas aos segmentos correspondentes durante a simulação.

Contribuições Principais

O artigo delineia duas contribuições primárias:

1. Um Framework Modular: Um sistema que representa habilidades motoras expert como um vocabulário de regras paramétricas, permitindo que essas habilidades sejam injetadas em trajetórias planejadas geometricamente, desacoplando assim o planejamento da expertise de nível de execução.
2. Uma Arquitetura Neural Multimodal: Um design de rede específico que combina um codificador de trajetória convolucional 1D e um codificador CAD PointNet++ para inferir parâmetros de regras e tipos de segmentos diretamente a partir de dados de demonstração.

Resultados Experimentais

A abordagem foi avaliada em conjuntos de dados simulados envolvendo objetos em forma de L e em forma de janela.

• Classificação de Regras: Em geometrias em forma de L, o modelo alcançou uma pontuação F1 combinada de 0,999 em três classes (reto, canto, nenhum). Em geometrias de janela complexas, alcançou uma pontuação F1 de 1,000 para escalonamento de velocidade e 0,984 para regras de orientação.
• Regressão de Parâmetros:
  • Formas de L: O Erro Absoluto Médio (MAE) foi de 0,020 rad para desvios de orientação e 0,056 para fatores de escalonamento de velocidade.
  • Topologias de Janela: O modelo manteve uma estimativa de orientação precisa (MAE 0,038 rad). O escalonamento de velocidade mostrou um erro moderado de 0,131, que os autores atribuem aos segmentos mais curtos e de mudança rápida característicos de molduras de janelas, sugerindo a necessidade de segmentação mais fina ou normalização para mudanças de curvatura densas.
• Generalização: Os resultados demonstram que a arquitetura desacopla com sucesso as sobreposições dinâmicas da trajetória geométrica, permitindo que o modelo extraia e aplique regras de velocidade e orientação em diferentes topologias.

Significância e Trabalho Futuro

O artigo afirma que sua significância primária reside no desacoplamento bem-sucedido de estratégias de execução da geometria da peça usando regras atômicas e interpretáveis. Isso permite a transferência de habilidades motoras expert para novas peças sem retreinamento na nova geometria específica.

Os autores observam que o vocabulário de regras atual opera puramente no tipo de segmento e ainda não explora a proximidade em tempo de execução a características específicas do CAD (como bordas ou cruzamentos) durante a inferência. Eles identificam a ponte da lacuna sim-real como o próximo passo crítico, notando que as interfaces físicas atuais de ensino sofrem com baixas taxas de amostragem que limitam a captura de ajustes motores de alta frequência. O trabalho futuro visa expandir o vocabulário de regras para incluir regras baseadas em proximidade condicionadas a características estruturais do CAD e avaliar a transferência zero-shot para topologias não incluídas, como geometrias em forma de U e em forma de T.