ParCo-SDF: Learning Prior-Free Partial-to-Complete Signed Distance Fields of Deformable Objects

Resumo Técnico: ParCo-SDF

Declaração do Problema
A manipulação de objetos deformáveis (DOM) enfrenta desafios significativos devido aos graus de liberdade infinitos e às mudanças geométricas contínuas inerentes aos objetos deformáveis (DOs). Essas propriedades frequentemente levam a oclusões severas e oclusões induzidas pelo robô, obscurecendo informações críticas de estado necessárias para o controle. Embora abordagens recentes utilizem Representações Neurais Implícitas (INRs) para modelar superfícies contínuas, elas frequentemente dependem de priores de forma específicos do objeto (por exemplo, modelos pré-definidos ou simetria) para estabilizar o treinamento e inferir geometria completa a partir de observações parciais. Tais priores limitam a generalização para cenários de deformação não vistos. Além disso, mecanismos de condicionamento existentes, como concatenação de entrada ou hiperredes, lutam com escalabilidade, capacidade representacional ou estabilidade de treinamento ao lidar com instâncias diversas e estados de deformação contínua. O problema central abordado é a reconstrução de campos de distância assinada (SDFs) completos e de alta fidelidade para objetos deformáveis a partir de observações parciais de nuvens de pontos ordenadas temporalmente, sem depender de priores de forma explícitos.

Metodologia: ParCo-SDF
Os autores propõem o ParCo-SDF, um framework de dois estágios projetado para reconstrução de SDF parcial-completo sem priores. A arquitetura condiciona uma rede implícita compartilhada em um código latente derivado de uma janela deslizante de observações parciais $\{P_{t-T+1}, \dots, P_t\}$.

1. Codificação Geométrica Temporal (Estágio 1):
   Em vez de agregar conjuntos brutos de pontos, o que é sensível a amostragem irregular, o codificador transforma as observações em um espaço latente compacto.

   • Elevação de Características ao Nível de Pontos: Coordenadas brutas são mapeadas para um espaço de dimensão superior usando mapeamento de recursos de Fourier aprendível para aprimorar a expressividade espacial.
   • Codificação Geométrica Local: Uma Rede Neural Convolucional em Grafo Dinâmico (DGCNN) processa cada observação elevada para gerar um código latente invariante à permutação e consciente da geometria ($\tilde{z}_i$) que captura estruturas parciais locais.
   • Agregação Temporal: Um mecanismo de autoatenção agrega a sequência de códigos ao nível de observação para inferir o estado de deformação no tempo $t$, produzindo um código latente final $z_t$. Isso permite que o modelo capture similaridades estruturais ao longo da sequência sem priores explícitos.

2. Predição de SDF Condicionada por FiLM (Estágio 2):
   O código latente $z_t$ condiciona uma rede SDF implícita compartilhada (baseada na arquitetura SIREN) via Modulação Linear Específica por Recurso (FiLM).

   • Modulação Apenas de Deslocamento: Para melhorar a estabilidade de otimização e evitar a amplificação de pré-ativações sinusoidais, o modulador prevê parâmetros de deslocamento ($\beta^{(\ell)}$) por camada, em vez de fatores de escala.
   • Eficiência de Parâmetros: Ao contrário de hiperredes que preveem matrizes de pesos inteiras (levando a um crescimento quadrático de parâmetros), esta abordagem prevê parâmetros de deslocamento que escalam linearmente com a largura da rede. Isso permite uma maior capacidade de rede implícita com treinamento estável.
   • Objetivo de Treinamento: O modelo é treinado usando uma soma ponderada de três perdas:
     • Supervisão de Superfície ($L_{surface}$): Impõe consistência do conjunto de nível zero e normais de superfície corretas usando uma formulação de perda Focal para lidar com desequilíbrio de classe em configurações esparsas e altamente deformadas.
     • Regularização Eikonal ($L_{eik}$): Impõe a propriedade do SDF $\|\nabla f_\theta(x)\| = 1$ em pontos fora da superfície.
     • Regularização do Espaço Latente ($L_z$): Penaliza a norma euclidiana do código latente para evitar crescimento ilimitado e melhorar a generalização.

Contribuições Principais

• Reconstrução sem Priores: O método alcança reconstrução robusta de geometria parcial-completa sem depender de priores de forma específicos do objeto, permitindo generalização para estruturas e deformações imprevistas.
• Codificação Geométrica Temporal: Ao agregar uma sequência de observações parciais via autoatenção, o framework captura informações estruturais necessárias para resolver oclusões que são ambíguas em quadros únicos.
• Condicionamento Estável e Expressivo: A introdução de um mecanismo de modulação apenas de deslocamento baseado em FiLM permite uma rede implícita compartilhada maior com treinamento estável, superando os problemas de escalabilidade e instabilidade do condicionamento baseado em hiperredes.
• Robustez à Oclusão: O framework é especificamente projetado para lidar com oclusões severas e oclusões induzidas pelo robô comuns na manipulação de DOs.

Resultados Experimentais
O método foi avaliado em um conjunto de dados de manipulação de elástico de borracha gerado no Isaac Sim, envolvendo sequências com elongação, flexão e torção. O modelo foi treinado em quatro sequências e avaliado em uma sequência retida com trajetórias de deformação não vistas.

• Métricas: O desempenho foi medido usando Distância de Chamfer (CD) para fidelidade geométrica e Taxa de Sucesso Topológico (TSR) para correção topológica (preservação de gênero).
• Comparação: O ParCo-SDF superou a linha de base mais avançada, INR-DOM (que usa uma hiperrede e perda de esqueleto).
  • O ParCo-SDF reduziu o CD em 23,6% e melhorou a TSR em 21,9% em comparação com o INR-DOM.
  • A linha de base (INR-DOM) exibiu maior variância nos erros de reconstrução, sugerindo instabilidade sob padrões de oclusão variados, enquanto o ParCo-SDF demonstrou variância significativamente menor.
• Ablação: A remoção das camadas de agregação temporal (ParCo-SDF-T) resultou em uma lacuna de desempenho, confirmando o papel crítico das pistas temporais na inferência de topologia completa a partir de observações parciais.
• Qualitativo: Em casos de oclusão severa, o ParCo-SDF reconstruiu com sucesso a topologia de toro do elástico de borracha, enquanto a linha de base frequentemente produzia conexões espúrias e artefatos de superfície.

Significado e Alegações
O artigo afirma que o ParCo-SDF fornece uma base promissora para reconstrução de geometria deformável sem priores. Ao aproveitar a codificação geométrica temporal e o condicionamento baseado em FiLM, o método alcança reconstrução robusta e de alta fidelidade sob oclusões severas e estados de deformação previamente não vistos. Os autores observam que, embora os experimentos atuais se limitem à simulação e a uma única categoria de objeto (elásticos de borracha), o framework aborda limitações fundamentais em generalização e estabilidade encontradas em abordagens existentes baseadas em INR. Trabalhos futuros são identificados como investigando generalização através de diversos objetos deformáveis e cenários de manipulação robótica do mundo real.