Resumo Técnico: Além da Força Implícita: Avaliando Proxies de Força-Torque Explícitos em Action Chunking com Transformers

1. Definição do Problema

A manipulação robusta rica em contato continua sendo um desafio significativo para a robótica porque sinais de interação críticos — como forças de contato, complacência e fricção — são frequentemente fracamente observáveis apenas através de visão e cinemática. Embora o Action Chunking with Transformers (ACT) tenha demonstrado um forte desempenho em manipulação de alta precisão, seu sucesso em implantações no mundo real está frequentemente entrelaçado com a teleoperação líder-seguidor (ex: sistemas no estilo ALOHA).

Nesses sistemas, o controlador de baixo nível rastreia os comandos do líder via controle de posição. O erro de rastreamento resultante (a discrepância entre o movimento comandado do líder e o movimento executado pelo seguidor) codifica implicitamente o início do contato, a resistência e as violações de restrição. Este artigo investiga uma dependência crítica: Até que ponto o ACT depende dessa pista de interação oculta, induzida pela teleoperação? Além disso, aborda a limitação prática de que muitas plataformas carecem de sensores dedicados de força-torque (F/T) de seis eixos devido ao custo e complexidade de integração, levantando a questão de se os sinais de torque integrados (derivados de correntes de motor ou esforço de junta) podem servir como proxies explícitos eficazes para substituir ou aprimorar essas pistas implícitas.

2. Metodologia

Os autores conduziram um estudo controlado no mundo real em uma plataforma ALOHA Solo (apresentando braços WidowX-250s e ViperX-300s cinemática e mecanicamente idênticos) para isolar e avaliar sinais de interação.

A. ACT Centrado na Observação (ACT-o)

Para remover a pista implícita da teleoperação, os autores introduziram uma variante do ACT centrada na observação (ACT-o).

• ACT Padrão: Prediz as posições futuras das juntas do líder ($A_{leader}$). O modelo aprende implicitamente a dinâmica de força através da discrepância $\delta = q_{leader} - q_{follower}$.
• ACT-o: Prediz os estados futuros das juntas do seguidor ($Q_{follower}$) diretamente. Esta reformulação desacopla a política do atraso (lag) líder-seguidor, removendo efetivamente o sinal de consciência de força latente enquanto preserva o restante do pipeline de aprendizado.

B. Proxies de Torque Explícitos

Para recuperar a consciência de força sem sensores F/T externos, os autores integraram proxies de torque explícitos derivados de medições de corrente de motor integradas ($\tau = k_t I$).

• Método de Injeção: Os valores de torque são tratados como entradas de "primeira classe". Eles são concatenados com os estados de junta proprioceptivos antes da projeção da dimensão oculta, permitindo que o codificador Transformer aprenda um mapeamento entre transientes de torque e resistência física.
• Variantes do Modelo: Quatro configurações foram avaliadas:
  1. Base ACT: Predição do alvo do líder padrão (Força implícita via discrepância).
  2. ACT-o: Predição do alvo do seguidor (Sem força implícita).
  3. ACT + $\tau$: Base ACT com adição de entradas de torque.
  4. ACT-o + $\tau$: Predição centrada na observação com adição de entradas de torque.

C. Tarefas Experimentais

A avaliação abrangeu quatro tarefas sensíveis ao contato projetadas para testar diferentes aspectos da interação de força:

1. Limpeza de Superfície (Board Wipe): Seguir a superfície e manter uma força normal consistente durante o movimento lateral.
2. Inserção de Plug (Plug Insert): Alinhamento e inserção de alta precisidade e multimodo, exigindo controle de força.
3. Pressão de Garrafa Macia (Soft Bottle Press): Discriminação de rigidez entre estados mecanicamente distintos, mas visualmente idênticos (alta vs. baixa rigidez).
4. Parada em Espuma (Foam Stop): Comportamento de equilíbrio de força, parando ao encontrar uma leve resistência contra um objeto sem textura.

3. Resultados Principais

Os experimentos revelaram que a remoção da pista implícita da teleoperação causa falhas catastróficas em tarefas ricas em contato, enquanto proxies de torque explícitos recuperam e aprimoram o desempenho.

• Colapso do ACT-o: Remover a pista implícita (predizer estados do seguidor sem torque) levou a uma degradação severa de desempenho. Na tarefa de Limpeza de Superfície, o sucesso caiu para 0% para o ACT-o (vs. 60% para o Base ACT) devido ao comportamento de "pairar" (falha em manter a força descendente). Em Inserção de Plug, o ACT-o falhou em iniciar a dinâmica da tarefa ou diferenciar estados, resultando em 0% de sucesso em algumas condições.
• Recuperação via Proxies de Torque: A adição de proxies de torque ao modelo centrado na observação (ACT-o + $\tau$) recuperou o comportamento de contato robusto.
  • Limpeza de Superfície: As taxas de sucesso melhoraram de 15% (ACT-o) para 95% (ACT-o + $\tau$).
  • Pressão de Garrafa Macia: O modelo aumentado por torque conseguiu distinguir entre estados de alta e baixa rigidez, enquanto o ACT-o falhou em diferenciá-los.
  • Inserção de Plug: Políticas aumentadas por torque exibiram "toques de ajuste" e movimentos reativos suaves, alcançando 90% de sucesso comparado a 30% para o Base ACT e 0% para o ACT-o.
• Força como uma Âncora Geométrica: Em tarefas como Parada em Espuma, os proxies de torque permitiram que a política convergisse para um perfil de força de equilíbrio estável que correspondia de perto às demonstrações humanas, mesmo quando as pistas visuais eram ambíguas.

4. Principais Contribuições

1. Isolamento de Pistas Implícitas: O artigo formaliza e ablaciona o sinal de discrepância induzido pela teleoperação ao introduzir um alvo de ACT centrado na observação. Demonstra que a remoção desta pista colapsa o desempenho em tarefas ricas em contato, provando que o sucesso do ACT é parcialmente dependente deste artefato oculto.
2. Avaliação de Proxy de Torque Explícito: O estudo fornece evidências sistemáticas de que simples proxies de torque integrados (derivados da corrente do motor) podem recuperar o comportamento consciente de contato na ausência de sensores F/T externos.
3. Análise ao Nível de Tarefa: Os autores fornecem resultados quantitativos e análises diagnósticas caracterizando reatividade e estabilidade através de diversos regimes de contato (impacto, fricção, discriminação de rigidez), oferecendo diretrizes práticas para integrar proxies de torque em políticas do tipo ACT.

5. Significância e Alegações

O artigo afirma que, no hardware real, a pista implícita de teleoperação é uma fonte recuperável de consciência de força. Crucialmente, demonstra que, onde os sinais de torque estão disponíveis, um simples proxy iguala, supera ou aprimora ainda mais o desempenho de políticas que dependem de pistas implícitas.

Os autores argumentam que a modelagem explícita de força não é apenas benéfica para a modelagem geral de políticas, mas é essencial para tarefas robustas conscientes de força. Ao tratar o torque do eixo de parafuso como uma entrada de primeira classe, o método proposto permite a manipulação robusta em plataformas que carecem de hardware especializado, diminuindo a lacuna entre dados de teleoperação de alta fidelidade e implantação prática com restrições de sensores.

Limitações e Direções Futuras:
Os autores observam que as estimativas de torque do lado da junta carecem da resolução de alta frequência de sensores F/T de seis eixos dedicados ou matrizes táteis ópticas. Trabalhos futuros são propostos para explorar a transferência de proxy entre plataformas, destilação consciente de força (combinando VLMs com ACT integrado de força) e estratégias de sensação ativa onde as políticas probe objetos explicitamente para desambiguar a incerteza visual.