💻 computer science

Stage-Aware and Roughness-Constrained Diffusion Policy for Multi-Stage Robotic Polishing

本文提出了一种阶段感知且粗糙度约束的扩散策略（SRDP），该策略利用多模态观测来推断工艺阶段，并对进给速度和接触力施加物理约束，从而增强多阶段机器人抛光任务中的阶段转换稳定性与表面质量。

原作者： Shuai Ke, Jiexin Zhang, Huan Zhao, Zhiao Wei, Yikun Guo, Tiange Wu, Guoqiang Guo, Haoyuan Zhou, Jie Pan, Han Ding

发布于 2026-06-25

📖 1 分钟阅读☕ 轻松阅读

原作者： Shuai Ke, Jiexin Zhang, Huan Zhao, Zhiao Wei, Yikun Guo, Tiange Wu, Guoqiang Guo, Haoyuan Zhou, Jie Pan, Han Ding

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正在教一个机器人成为一名大师级匠人，具体来说，是负责抛光航天器内部的机器人。这不仅仅是让手从 A 点移动到 B 点，而是一场复杂的、多步骤的舞蹈，机器人必须在不同的“模式”之间切换（比如抛光平面、清理灰尘、以及抛光弧形边缘），同时保持极其轻柔且一致的触感。

这篇论文介绍了一种为机器人设计的新型“大脑”，称为 SRDP（阶段感知与粗糙度约束扩散策略）。以下是它的工作原理，通过简单的概念进行拆解：

1. 问题所在：机器人会感到困惑并发生“漂移”

作者发现了在教机器人完成这些复杂任务时面临的两个主要难题：

“我在哪儿？”问题（阶段不确定性）： 想象你在一个每个房间看起来都一模一样的房子里走动。你可能会忘记自己是在厨房还是在卧室。同样，一个观察着航天器部件的机器人，可能会看到一个看起来相似的表面，却不知道自己现在应该是在抛光、清理，还是仅仅在握持物体。现有的机器人经常会陷入停滞或切换到错误的动作，因为它们无法分辨自己正处于流程中的“哪个阶段”。
“漂移”问题（参数漂移）： 想象一位厨师在烤蛋糕。如果他们在没有食谱的情况下盲目猜测糖和面粉的用量，他们可能会不小心多加了糖或少加了面粉。在抛光过程中，机器人控制着移动的速度（进给速度）和按压力度（压力）。如果这两个数值随机地偏离了预定关系，机器人可能会刮伤表面（压得太重）或者留下粗糙的痕迹（压得太轻）。

2. 解决方案：一个“智能向导”和一个“安全网”

SRDP 框架通过两个聪明的技巧解决了这些问题：

技巧 A：“记忆之路”（阶段感知）

机器人不仅仅是看当前的画面，它还会观察其近期的历史记录（过去几秒钟内它看到了什么、做了什么）。

类比： 想象一位侦探在破解谜案。侦探不会只看单一的线索；他们会通过一系列事件的先后顺序来判断故事进行到了哪里。
工作原理： 机器人使用一个“阶段推理网络”来推测：“好吧，根据我刚才的操作，我可能处于‘抛光边缘’阶段，而不是‘清理’阶段。”然后，它利用这个推测来告诉它的其余部分大脑，下一步应该做出什么样的动作。这让机器人始终保持在正确的“工作轨道”上。

技巧 B：“质量过滤器”（粗糙度约束）

机器人不仅仅是猜测该用多大的力，它还有一个内置的规则手册。

类比： 想象一位音乐家在演奏乐曲。他们并不只是随机敲击音符；他们遵循着一份乐谱，以确保音符能够和谐地组合成和弦。
工作原理： 机器人知道，对于特定类型的抛光（即特定“阶段”），工具的速度和压力必须遵循特定的数学关系才能获得光滑的表面。当机器人“构思”（生成）下一步动作的计划时，这个规则手册就像是一个过滤器。如果计划建议的压力与速度不匹配，系统会在机器人实际移动之前，将计划重新引导回“安全区域”。这防止了“漂移”问题的发生。

3. “扩散”部分：机器人是如何学习的

这篇论文使用了名为 扩散策略 (Diffusion Policy) 的技术。

类比： 想象一个由粘土雕刻而成的作品，上面覆盖着一层静电噪声（就像电视机的雪花点）。机器人的任务就是一步步地抹去这些噪声，最终显现出完美的雕塑。
工作原理： 机器人从一组混乱、随机的动作开始。然后，它通过不断地“去噪”，逐步精炼这个过程，直到它变成一段平滑、完美的动作序列，完全符合人类专家的操作。而“阶段感知”和“粗糙度约束”就像是在机器人抹去噪声的过程中给出的特殊指令，确保最终呈现的“雕塑”完全符合要求。

4. 结果：现实世界测试

团队在一台用于抛光航天器舱室的双臂机器人上测试了这一技术。他们将这种新方法 (SRDP) 与其他先进的机器人学习方法进行了对比。

结果： SRDP 机器人在任务切换（例如从抛光切换到真空吸尘）方面表现得更加出色，不会产生困惑。由于它没有让压力和速度发生漂移，因此它能产生更加光滑、一致的表面效果。
证明： 当我们测量表面粗糙度时，SRDP 机器人的工作成果比其他方法更加均匀，质量更高。

总结

简而言之，这篇论文展示了一个更擅长了解自己在长流程中所处位置，并且更擅长保持物理动作（速度与压力）完美和谐的机器人大脑。通过将流程阶段的“记忆”与表面质量的“规则手册”相结合，机器人可以对复杂的航天器部件进行抛光，达到以往方法无法实现的连贯性和专业水平。

技术摘要：面向多阶段机器人抛光任务的阶段感知与粗糙度约束扩散策略

1. 问题陈述

机器人抛光是航空航天等高价值制造领域中至关重要的精加工工艺，其中表面质量直接决定了部件的可靠性。然而，自动化这些任务面临两个主要挑战，现有的模仿学习方法难以同时解决这两个问题：

长时程过程阶段不确定性（Long-Horizon Process-Stage Uncertainty）： 抛光工作流由多个不同的阶段组成（例如：稳定阶段、边缘抛光、表面精整、清洗阶段），这些阶段在视觉上可能表现出相似的局部状态，但需要截然不同的控制目标和动作模式。现有方法通常依赖于显式的任务分解或高层规划提示，但这在实时推断多模态历史信息中的潜在过程阶段时可能并不充分。
不受约束的过程参数漂移（Unconstrained Process-Parameter Drift）： 在基于扩散的策略中，去噪过程的随机性可能导致耦合过程参数（进给速度和法向接触力）出现不受约束的变化。由于这些参数共同决定了材料去除量和表面粗糙度，此类漂移可能导致物理上不可行的组合、接触不稳定或表面质量不一致（例如：抛光不足或过度切削），尤其是在每个阶段主轴转速已预设的情况下。

目前的文献缺乏一个统一的框架，能够同时处理从观测历史中进行潜在阶段推理以及在高维生成策略中实施粗糙度驱动的物理约束。

2. 方法论：SRDP 框架

作者提出了阶段感知与粗糙度约束扩散策略（Stage-Aware and Roughness-Constrained Diffusion Policy, SRDP），这是一个旨在从演示中学习多阶段抛光技能并遵循过程约束的统一框架。该框架通过两个相互关联的机制运行：

A. 阶段调节的动作扩散（Stage-Conditioned Action Diffusion）
为了解决阶段不确定性，SRDP 引入了一个阶段推理网络，该网络处理多模态观测历史（视觉图像、机器人状态、接触力及工具模式）以推断当前过程阶段的后验概率分布。

阶段推理： 网络 $g_\phi$ 将观测历史 $O_t$ 映射到阶段后验 $z_t$ 。
调节去噪： 该后验被编码为阶段调节向量 $e_t$ ，并注入到共享的反向去噪网络中。这使得策略能够生成与推断出的当前阶段一致的动作序列，而无需在执行期间使用外部阶段标签。
转换一致性： 为了确保阶段间的平滑过渡，引入了阶段转换一致性先验。该机制利用转换矩阵 $T$ （源自过程流知识或数据）来正则化阶段推理，通过软标签交叉熵损失来惩罚突发或不合理的阶段变化。

B. 粗糙度约束扩散采样（Roughness-Constrained Diffusion Sampling）
为了解决参数漂移问题，SRDP 将物理和质量约束直接嵌入到扩散采样过程中。

面向粗糙度的建模： 利用幂律经验模型，根据法向力 ( $F_n$ )、进给速度 ( $v$ ) 和阶段性预设主轴转速 ( $\omega$ ) 来预测表面粗糙度 ( $R_a$ )。该模型通过实验数据进行离线校准。
约束集： 定义了参数空间的两个集合：
1. 粗糙度一致性集 ( $\Omega_R$ )： 确保 $F_n$ 与 $v$ 的耦合关系满足目标粗糙度及其容差范围。
2. 物理可行性集 ( $\Omega_P$ )： 对压力/速度限制及时间连续性（变化率）进行约束，以确保机器人的可执行性。
引导采样： 在反向去噪步骤期间，策略最小化由粗糙度一致性能量和物理可行性能量组成的约束能量函数。在噪声的早期/中期阶段应用“粗糙度主导”的软引导策略，以引导样本向可行区域靠拢；随后在最后步骤中应用最小修改投影，以保证输出严格落在联合可行集 $\Omega_t = \Omega_R \cap \Omega_P$ 内。

3. 核心贡献

本文声称了以下贡献：

统一框架： 提出了 SRDP，它将从多模态历史中进行阶段推理与共享反向去噪相结合，实现了无需外部阶段标签即可生成阶段一致动作的功能。
过程约束采样： 开发了一种面向粗糙度的约束引导扩散采样方法，该方法生成的进给速度和法向接触力能够同时满足表面质量要求和在预设主轴转速下的物理可行性。
实证验证： 通过在两个复杂场景中的对比实验、消融研究及实机机器人验证进行了全面评估：分别是航天器舱体涂层表面抛光和内腔结构表面精整。

4. 实验结果

实验在双臂机器人平台（两台 KUKA iiwa14 机器人）上进行，执行两项不同的任务：

涂层表面抛光： 涉及稳定阶段、方孔/圆孔抛光以及真空清洗。
内腔精整： 涉及协同运输、稳定阶段、倒角精修以及装配面抛光。

性能指标：

任务成功率： SRDP 实现了最高的平均子任务成功率（涂层任务为 0.94，内腔任务为 0.91）和转换成功率（分别为 0.88 和 0.83），显著优于标准扩散策略 (DP)、分层模仿学习 (HIL) 和自适应顺应控制策略 (ACP) 等基准方法。
失效分析： SRDP 大幅减少了两种主要的失效模式：
- 阶段切换失效 (STF)： 相比于没有显式阶段建模的基准方法（其失效率 >50%），SRDP 将其降低至约 21-24%。
- 过程参数失效 (PPF)： 相比于缺乏粗糙度约束的方法，SRDP 将其降低至约 9.5-10.5%。
表面质量： 与 ACP 相比，SRDP 展示了更低且更稳定的表面粗糙度值以及更一致的倒角宽度，验证了粗糙度约束采样的有效性。

消融研究：
移除阶段调节会导致转换成功率崩溃（受 STF 主导）。移除粗序度约束虽然能维持阶段转换，但由于参数失配会导致子任务成功率大幅下降（受 PPF 主导）。移除可行性约束则主要导致接触不稳定增加。这证实了完整的 SRDP 架构对于同时抑制这两种失效模式是必要的。

5. 重要性与结论

本文认为 SRDP 是将生成式策略应用于复杂多阶段制造工艺的重要进展。其重要性在于：

弥合差距： 它为解决潜在阶段不确定性和不受约束的参数漂移这两个同时发生的难题提供了一个统一的解决方案，而此前这些问题在处理高维生成式策略时要么被分开处理，要么未被解决。
物理可靠性： 通过将粗糙度驱动的约束直接嵌入扩散采样过程，该方法确保了生成的动作不仅在任务阶段语义上是正确的，而且在物理上是可行的且符合质量要求的。
泛化性： 虽然本文是在抛光任务中进行的演示，但作者指出该公式提供了一种将阶段依赖目标和物理约束引入生成式机器人策略的通用机制，有望应用于研磨、钻孔和去毛刺等任务。

作者总结道，SRDP 提升了任务性能、参数稳定性和最终表面质量，为高精度制造环境中的自主执行提供了一个鲁棒的框架。