Resumo Técnico: PanoVine – Controle Visuomotor de Corpo Inteiro para Robô de Crescimento Suave do Tipo Videira

Declaração do Problema

Os robôs de videira (vine robots), uma classe de robôs contínuos de crescimento pneumático, oferecem vantagens únicas para navegar em ambientes confinados, complexos e não estruturados (ex: tubulações, infraestrutura subterrânea) devido aos seus corpos complacentes e mecanismos de crescimento autossustentáveis. No entanto, controlar esses robôs para navegação autônoma e manipulação continua sendo um desafio significativo devido a dois fatores primários:

1. Dinâmica Imprevisível: O comportamento do robô é governado pela complacência do material, histerese, flambagem (buckling), interações corpo-ambiente e tensão na cauda não-evertida. Esses fatores tornam o sistema difícil de ser modelado fisamente. Consequentemente, reproduções de trajetórias de ação em malha aberta (open-loop) resultam em configurações de robô drasticamente diferentes entre as tentativas.
2. Sensoriamento Onboard Limitado: O robô sofre deformações complexas de corpo inteiro ao longo de grandes espaços de trabalho. Modalidades de sensoriamento tradicionais limitadas (ex: uma única câmera ou IMU) são insuficientes para capturar a informação de estado necessária para um controle de malha fechada confiável, particularmente quando sensores montados na extremidade adicionam complexidade mecânica ou quando o corpo do robô oclui sua própria visão.

Abordagens baseadas em modelos existentes dependem de suposições cinemáticas (ex: curvatura constante por partes) ou de conhecimentos prévios da geometria de obstáculos que falham em ambientes obstruídos e desconhecidos. Da mesma forma, métodos anteriores baseados em aprendizado foram amplamente restritos à simulação ou a braços suaves curtos e não-crescentes, falhando em escalar para robôs de videira longos e em crescimento contínuo com altos graus de liberdade.

Metodologia

Os autores apresentam o PanoVine, o primeiro sistema de robô de videira capaz de controle em malha fechada utilizando apenas sensoriamento onboard. A abordagem integra uma plataforma de hardware customizada com um framework de controle baseado em visão e orientado a dados.

1. Hardware do Sistema: Visão de Corpo Inteiro Distribuída

A plataforma PanoVine apresenta um corpo de crescimento suave de 6 metros de comprimento e 0,16 metros de diâmetro com sete graus de liberdade controláveis (uma extensão, seis juntas de rotação para curvatura).

• Conjunto de Sensores: O sistema é equipado com 19 câmeras RGB distribuídas ao longo do corpo do robô.
• Estratégia de Posicionamento: As câmeras são montadas nas seções de TPU do robô a um ângulo de 60 graus em relação ao eixo do corpo. Elas voltadas para as extremidades distal ou proximal. À medida que o robô cresce via eversão, as câmeras são gradualmente reveladas, fornecendo feedback multiperpectivo tanto da deformação do robô quanto do ambiente circundante.
• Atuação: O robô é controlado via uma interface de joystick que comanda o direcionamento no espaço das juntas e o crescimento axial, com ajustes de pressão para controle de rigidez.

2. Framework de Controle: Política Visuomotora de Corpo Inteiro

O núcleo do sistema é uma política visuomotora de ponta a ponta treinada via aprendizado por imitação a partir de demonstrações teleoperadas.

• Entrada: A política recebe um histórico de observações $o = (I, q)$, onde $I$ representa os fluxos RGB de todas as 19 câmeras e $q$ representa a propriocepção (ângulos das juntas e comprimento da base).
• Arquitetura: O sistema utiliza um backbone de Transformer de Difusão (Diffusion Transformer).
  • Codificação de Visão: As imagens são redimensionadas para $224 \times 224 \times 3$ e processadas através de um Vision Transformer pré-treinado CLIP. O token de classe de cada visão de câmera serve como um embedding compacto.
  • Atenção Cruzada (Cross-Attention): Um mecanismo de atenção cruzada permite que a política aprenda correspondências visuais multivisual implícitas e relações semânticas específicas da tarefa entre as entradas visuais distribuídas, propriocepção e ações, evitando a necessidade de calibração extrínseca explícita.
  • Saída de Ação: A política prevê um bloco de ação (action chunk) $a \in \mathbb{R}^{\tau \times d}$ (onde $\tau=8$) especificando o comprimento da base e os ângulos das juntas para os próximos passos de tempo.
• Escolhas de Design Chave para Robustez:
  1. Representação Relativa: A propriocepção e as ações são expressas em relação ao último quadro de observação para garantir transições suaves e robustez à histerese e incerteza de atuação.
  2. Rebalanceamento de Dados: Para lidar com a esparsidade das ações de direção nos dados teleoperados (que são dominados pelo crescimento puro), o conjunto de dados de treinamento é rebalanceado para garantir que a política aprenda comportamentos críticos de direção reativa (curvas, escalada) em vez de sofrer overfitting ao crescimento.

Principais Contribuições

1. Plataforma de Hardware: Um sistema de robô de videira apresentando visão de corpo inteiro distribuída (19 câmeras) que fornece feedback abrangente e de múltiplas perspectivas do estado do robô e do ambiente durante o processo de crescimento.
2. Framework de Controle: Uma política visuomotora baseada em aprendizado projetada especificamente para robôs longos e deformáveis. Ela agrega efetivamente o sensoriamento distribuído, mantém a robustez à estimativa de estado não confiável e lida com comportamentos de longo horizonte com ações de direção esparsas.
3. Demonstração Autônoma: A primeira demonstração de um robô de videira alcançando controle autônomo em malha fechada em cenários complexos do mundo real sem sensoriamento externo (ex: GPS, captura de movimento) ou planejamento baseado em modelos.

Resultados Experimentais

O sistema foi avaliado em duas tarefas desafiadoras do mundo real:

1. Navegação de Percurso Complexo

• Tarefa: Navegar em um percurso de 6m envolvendo seleção de ramos, escalada de inclinação de 45°, travessia de lacunas não suportadas, desvio de obstáculos e curvas acentuadas.
• Desempenho: A política PanoVine alcançou uma taxa de sucesso de 80%.
• Baselines:
  • Repetição de Trajetória (Malha Aberta): 0% de taxa de sucesso. As falhas incluíram colisões com obstáculos e incapacidade de atingir os objetivos devido a discrepâncias de comprimento induzidas por flambagem.
  • Sem Rebalanceamento: 10% de taxa de sucesso. A política falhou em direcionar suficientemente nos pontos de ramificação, destacando a necessidade da estratégia de rebalanceamento de dados.

2. Alcance de Objeto

• Tarefa: Estender 2 metros e direcionar precisamente para tocar e derrubar objetos colocados em localizações e orientações desconhecidas.
• Desempenho: A política alcançou uma taxa de sucesso de 85%, demonstrando a capacidade de generalizar para objetos e localizações não vistas ao fundamentar comandos de direção no feedback visual multivisual.
• Baselines:
  • Política de Câmera Única: 0% de taxa de sucesso. A câmera única falhou em manter a visão do objeto durante a extensão ou o direcionamento, levando a alvos perdidos.

Significância e Alegações

O artigo afirma que o PanoVine representa um passo significativo à frente na robótica suave ao demonstrar que o controle autônomo em malha fechada de um robô de videira é alcançável usando apenas sensoriamento onboard.

Os autores enfatizam que sua abordagem contorna as limitações das pipelines tradicionais baseadas em modelos, que lutam contra as deformações não lineares, hysteréticas e descontínuas inerentes aos robôs de crescimento suaves. Ao aprender uma política visuomotora de ponta a ponta a partir de visão de corpo inteiro distribuída, o sistema pode observar diretamente o contato, a deformação e a geometria circundante, compensando a incerteza nos estados e dinâmicas do robô. Este trabalho estabelece uma base para pesquisas futuras em controle baseado em aprendizado para robôs suaves operando em ambientes complexos e não estruturados.