Resumo Técnico: Modelo de Fundação de Comportamento Perceptivo

Declaração do Problema

Modelos de fundação de comportamento humanoide visam adquirir políticas de controle de corpo inteiro reutilizáveis a partir de amplos priors de movimento humano, permitindo que um único controlador produza comportamentos diversos e expressivos. No entanto, as políticas de fundação existentes centradas em movimento operam sob uma premissa crítica: que o movimento de referência já é fisicamente compatível com os arredores do robô.

Essa premissa falha em cenários de desajuste operador–ambiente, onde o demonstrador humano, o operador e o robô habitam ambientes diferentes. Um comando de movimento humano especifica intenção e estilo, mas não codifica inerentemente os apoios (footholds), o vão de passagem (swing clearance), a altura do corpo ou o tempo de contato necessários para o terreno local do robô (ex: escadas, suportes esparsos ou obstáculos). Consequentemente, um robô que tenta rastrear uma referência de solo plano em terrenos complexos pode falhar devido a colisões, perda de equilíbrio ou imprecisões cinemáticas. O desafio central é fundamentar os priors de movimento humano na percepção centrada no robô sem alterar a interface de comando de movimento bruto.

Metodologia: Modelo de Fundação de Comportamento Perceptivo (Perceptive BFM)

Os autores propõem o Perceptive BFM, um framework de política única que preserva as referências cinemáticas brutas como o comando de implantação, enquanto utiliza observações de terreno local para adaptar contatos, postura e tempo. A abordagem é construída em torno de um algoritmo de treinamento de Rastreamento de Movimento Perceptivo (PMT) em estágios.

1. Síntese de Referência Conforme ao Terreno (TCRS)

Para fornecer supervisão de terreno escalável, os autores desenvolvem um pipeline de síntese offline que converte clipes de movimento humano bruto e campos de altura amostrados em referências consistentes com o terreno ($m_{tcrs}$). Este módulo não resolve a dinâmica completa rica em contatos, mas constrói referências consistentes com o contato, suaves e que preservam o estilo através de:

• Construção de apoio consciente de contato: Fixando os pés de apoio às superfícies do terreno enquanto preserva a fase da marcha global e o tempo nominal de pisada.
• Otimização de balanço consciente da geometria do pé: Otimizando uma trajetória virtual do meio do pé (equilibrando o vão do dedo e do calcanhar) usando um otimizador de trajetória baseado em amostragem para evitar descontinuidades do terreno.
• Reconstrução de raiz consciente do suporte: Reconstruindo a altura da raiz (pélvis) com base nos contatos de suporte e alcançabilidade das pernas.
• Reparo de colisão e IK de múltiplos pontos para as pernas: Resolvendo um problema de Cinemática Inversa (IK) Jacobiana de múltiplos pontos, amortecido e consciente do suporte, para os doze membros das pernas, a fim de resolver colisões e garantir a viabilidade cinemática.

2. Pipeline de Treinamento Professor-Aluno

O processo de treinamento envolve quatro estágios:

• Estágio 1 (Síntese Offline): O TCRS gera conjuntos de dados pareados de referências brutas ($m_{raw}$), referências conformes ao terreno ($m_{tcrs}$) e mapas de terreno ($\tau$).
• Estágio 2 (Treinamento de Professor Cego): Um professor baseado em Transformer "cego" é treinado via Otimização de Política Próxima (PPO) para rastrear as referências sintetizadas $m_{tcrs}$. Este professor tem acesso a informações privilegiadas (a referência adaptada), mas não possui entrada visual de terreno.
• Estágio 3 (Destilação de Aluno de Visão): Uma política "aluno de visão", que recebe a referência bruta original ($m_{raw}$) e um escaneamento de terreno local, é destilada a partir do professor.
  • Alinhamento de Ação no Frame de Destino: Como o professor atua sobre $m_{tcrs}$ e o aluno sobre $m_{raw}$, o aluno aprende a imitar o alvo de junta efetivo expresso em relação à referência bruta: $a^*_t = (q_{tcrs} + \mu_{tea}) - q_{raw}$.
  • Arquitetura de Portão de Identidade (Identity-Gated): O aluno é um Transformer com portão de identidade. As características do terreno entram por caminhos residuais inicializados em zero. Isso garante que, na inicialização, o aluno se comporte exatamente como um rastreador de referência bruta, aprendendo correções condicionadas ao terreno apenas quando estas melhoram o objetivo de rastreamento.
• Estágio 4 (Ajuste Fino com PPO): O aluno é ajustado via PPO usando comandos de referência bruta e observações de terreno, atualizando conservadoramente o prior de rastreamento de movimento transferido enquanto aprende correções condicionadas pela percepção local.

Principais Contribuições

1. Pipeline TCRS: Um método de síntese offline escalável que converte movimento humano bruto e campos de altura de terreno em supervisão consistente com o terreno através de construção de apoio consciente de contato, otimização de balanço, reconstrução de raiz e IK de múltiplos pontos.
2. Algoritmo PMT: Um framework professor-aluno de referência bruta que implanta comportamento consciente do terreno sem mudar a interface de comando. Ele transfere o comportamento conforme ao terreno de um professor cego para um aluno de visão via alinhamento de ação no frame de destino.
3. Design de Política com Portão de Identidade: Uma política Transformer que inicializa como um rastreador de referência bruta e aprende correções residuais condicionadas ao terreno. Isso permite que uma única interface de comando suporte locomoção, movimentos expressivos, acrobacias e desajuste operador–ambiente através de diversos terrenos.

Resultados

O artigo avalia o Perceptive BFM em cinco níveis:

• Qualidade do TCRS: Em pedras de apoio com escadas, o TCRS reduz significamente as métricas sensíveis a colisões em comparação com os baselines (Z-offset e Interpolação Cúbica+IK). Especificamente, ele reduz a penetração de profundidade de 5,48 cm (Z-offset) para 2,38 cm e as violações de vão de 14,3% (Cúbica) para 7,4%.
• Diagnósticos de Fim de Treinamento: Em uma configuração comum de 10k iterações de PPO, a política completa de PMT atinge uma taxa de sucesso de malha fechada registrada de 55,1%, superando significativamente as ablações:
  • Sem TCRS (apenas referência bruta): 27,3%
  • Sem visão (cego): 26,5%
  • Sem alinhamento de frame de destino: 26,7%
  • Sem portão de identidade: 30,4%
• Simulação de Cruzamento de Terrenos: Em execuções de política fixa através de 30 comandos de movimento e 5 famílias de terreno (escadas, inclinações, suportes esparsos, obstáculos recuados, interior misto), o PMT atinge uma taxa de conclusão de 55,1% comparado a 27,3% para o baseline de referência bruta. O PMT também demonstra menor incidência de colisão na parte inferior da perna (10,0% vs. 24,7%).
• Implantação em Robô Real: Uma única política foi implantada em um robô Unitree G1 de 29-DoF. Ela executou com sucesso diversos comportamentos (cambalhotas para trás em uma perna, dança nas escadas, corridas com aceno de braços, caminhada lateral em escadas) em configurações de ambiente interno, externo e desajuste de captura de movimento (mocap). O robô preservou o comportamento comandado da parte superior do corpo enquanto a percepção resolvia os apoios e o vão de passagem online.

Significância e Alegações

O artigo afirma que a percepção centrada no robô pode transformar os priors de movimento humano em comportamentos de corpo inteiro compatíveis com o terreno sem mudar a interface de comando de movimento bruto.

A significância reside em unir os modelos de fundação de comportamento generalista (que se destacam em rastreamento expressivo, mas ignoram o terreno) e as políticas de locomoção perceptivas (que lidam com o terreno, mas frequentemente substituem a intenção humana por habilidades autônomas). O Perceptive BFM demonstra que uma única política pode reter a "intenção e o estilo" de um operador humano enquanto adapta dinamicamente a realização física (contatos, postura, tempo) ao ambiente local do robô. Os autores observam que esta abordagem permite o reuso de amplos priors de movimento humano para tarefas complexas como acrobacias e teleoperação em ambientes desajustados, desde que o comando da parte superior do corpo permaneça viável após a correção da parte inferior.

O artigo reconhece limitações, incluindo a suposição de terreno estático e rígido e a falta de consciência de colisão da parte superior do corpo (braços/tronco ainda podem atingir obstáculos se o comando não for consciente de colisões). Sugere-se trabalhos futuros para abordar terrenos dinâmicos/deformáveis e adaptação da parte superior do corpo.