技术摘要：PhyPush

问题陈述

准确估计物体的物理属性，特别是质量和摩擦系数，对于在非结构化环境中实现可靠且自适应的机器人操作至关重要。虽然交互感知提供了一种推断这些潜在属性的机制，但现有方法面临显著的扩展性和部署障碍。大多数最先进的方法依赖于专用且昂贵的硬件，如力/力矩（F/T）传感器、触觉阵列或多相机运动捕捉系统。此外，许多技术需要多次多样化的交互才能收敛到估计值，这增加了识别时间并降低了操作效率。这些限制使得此类系统仅适用于受控的实验室环境，并阻碍了其在缺乏专用感知能力的标准机械臂上的部署。

方法论

本文介绍了PhyPush，这是一个无传感器框架，旨在仅利用单次平移推挤运动学数据来估计物体的质量（$m$）和动摩擦系数（$\mu$）。该系统无需外部传感器，仅依赖标准机械臂上可用的末端执行器速度剖面。

核心架构

PhyPush 采用基于Transformer 的仅编码器架构，具有双流设计：

1. 输入处理：系统在单次推挤过程中以 100 Hz 的频率记录末端执行器速度序列（$v_{ee}$）。输入窗口捕捉瞬态阶段（初始冲击和加速）和稳态阶段（恒定速度滑动）。
2. Transformer 编码器：标准 Transformer 编码器处理速度序列，以捕捉长程时间依赖关系和全局上下文理解。
3. 双流估计：编码后的特征被送入两个独立的多层感知机（MLP）流，分别估计质量和摩擦。
4. 物理属性注意力：模型采用双流注意力机制，而非简单的平均。可训练的全局查询选择性地关注对每个属性最具信息量的时间间隔。这使得网络能够专注于瞬态阶段以进行质量估计（主要由牛顿惯性主导），并专注于稳态阶段以进行摩擦估计（主要由库仑摩擦主导）。

物理引导的损失公式

方法论的核心组件是物理引导的损失函数，它利用基本物理定律约束学习过程，而非仅依赖数据驱动的统计相关性。该损失源自：

• 牛顿第二定律（$F_{net} = ma$）：在瞬态阶段强制执行，以确保净力、估计质量和物体加速度之间的一致性。
• 库仑摩擦模型（$F_{fric} = \mu F_{norm}$）：在稳态阶段强制执行，以确保估计的摩擦系数与观察到的摩擦力一致。

作者提出了三种损失变体以应对不同的监督级别：

1. 半监督基于力的损失（$L_{force}$）：使用真实力的加速度数据直接强制执行物理方程。
2. 无监督基于力的损失（$L_{force, un}$）：引入一个约束，将估计的质量（$\hat{m}$）和摩擦（$\hat{\mu}$）在数学上耦合，通过强制执行两个预测之间的一致性，从而在不使用显式力标签的情况下进行训练。
3. 无监督基于力/加速度的损失（$L_{force, acc, un}$）：一种混合公式，将质量和摩擦整合到单个加速度一致性方程中，进一步加深了两个估计器之间的耦合。

这些无监督项通过课程式退火调度引入，以确保训练稳定。

主要贡献

1. 无传感器估计框架：引入了 PhyPush，仅利用运动学末端执行器速度来估计质量和摩擦，消除了对 F/T 传感器、触觉阵列或外部运动捕捉的需求。
2. 物理引导的 Transformer 架构：一种新颖的双流 Transformer，将牛顿第二定律和库仑摩擦的约束直接嵌入训练目标中。与传统的数据驱动损失相比，这种方法提高了物理一致性和泛化能力。
3. 综合评估：在仿真和现实世界环境中进行了广泛验证，表明物理引导的学习优于数据驱动的基线，特别是在分布外（OOD）场景中。

实验结果

仿真性能

在 Franka Emika 机器人的仿真环境中，使用 31,759 个推挤样本对 PhyPush 进行了评估，并与依赖特权 F/T 传感器数据的基线方法（基于先前工作重新实现）进行了对比。

• 泛化能力：虽然 F/T 传感器基线在域内数据上表现良好，但 PhyPush 变体在涉及未见过的质量、摩擦系数或两者的分布外（OOD）测试集上始终优于基线。
• 误差降低：在最具有挑战性的 OOD 设置（$D_{m,\mu}^{OOD}$）中，尽管基线拥有完整的力信息，PhyPush 在质量和摩擦的估计误差上仍低于基线。
• 损失比较：使用物理引导损失（$L_{force}$、$L_{force, un}$、$L_{force, acc, un}$）训练的模型显著优于纯数据驱动损失（$L_{data}$）。具体而言，在 OOD 条件下，$L_{force, un}$ 变体将摩擦估计误差降低了 28% 以上，优于仅使用数据的损失。
• 物理一致性：使用物理引导损失训练的模型在根据牛顿第二定律和库仑定律验证预测时表现出更高的 $R^2$ 分数，表明模型学习的是潜在的物理原理，而不仅仅是统计相关性。

现实世界性能

实验在 47 种不同的物体 - 表面配置上进行，包括训练期间未见过的新型物体（如锡罐、塑料容器）。

• 鲁棒性：与数据驱动基线相比，物理引导变体始终更紧密地跟踪真实趋势。
• 偏差校正：数据驱动基线表现出系统性偏差（低估质量，高估摩擦），而物理引导模型保持了准确性和物理一致性。
• 硬件独立性：该系统成功泛化到未见过的物体和表面，无需专用接触传感器，仅依赖机器人内部的速度数据。

意义与主张

本文声称，PhyPush 证明了低成本、传感器高效的物理属性估计的可行性。通过利用机器人运动学响应与物体动力学之间的直接耦合，该框架在无需专用硬件开销的情况下实现了高精度。

作者强调，物理引导的学习是鲁棒性的关键赋能者。通过将学习过程建立在基本定律之上，模型避免了对特定训练分布的过拟合，并在具有挑战性的未见现实世界条件下保持性能。这项工作表明，单次推挤结合物理信息 Transformer 足以进行可靠估计，为在非结构化环境中运行的具身 AI 系统提供了一种可扩展的解决方案。

本文以谦逊的结论收尾，指出了当前的局限性，例如主要假设平移推挤以及依赖速度测量。它确定了未来的方向，包括纳入旋转动力学以及通过强化学习开发自适应推挤策略，以进一步扩大可估计的物理响应范围。