技术摘要：免费获取合规性：通过双边遥操作学习可识别阻抗

1. 问题陈述

视觉-语言-动作（VLA）模型彻底改变了机器人操控领域，但在处理接触密集型任务（如擦拭、插入）时却表现不佳，因为它们仅输出位姿目标，而无法输出调节交互力的必要合规性（刚度）。虽然近期一些研究尝试输出力或合规性，但它们依赖于人工指定的交互坐标系、特权仿真数据，或在训练和推理阶段使用专门的力/力矩（F/T）传感器及触觉传感器。

核心障碍在于标准演示接口（如 VR 控制器、SpaceMice、单侧双臂装置）中存在根本的可识别性问题。这些接口仅记录机器人的实际位姿 ($x_f$) 和产生的接触力 ($f$)。然而，接触力是操作者预期的平衡位置 ($x_{eq}$) 与其刚度 ($K$) 的乘积。从数学上讲，一个被拉得很远的软弹簧和一个被轻微拉动的硬弹簧可以产生相同的力。由于缺乏对 $x_{eq}$ 的独立测量，操作者的预期平衡位置与其刚度是相互混淆的；仅凭位姿数据在原理上无法解耦这两者。因此，现有的接口在原则上无法提供合规性监督。

2. 方法论

A. 通过双边遥操作解决可识别性

作者提出使用四通道双边遥操作来打破可识别性的歧义。在这种设置中，领导臂（由人类控制）和跟随臂（机器人）是主动耦合的。

• 关键洞察： 领导臂的轨迹 ($x_l$) 作为操作者预期平衡位置 ($x_{eq}$) 的一个独立的物理测量值。
• 机制： 通过将 $x_{eq} = x_l$ 代入阻抗定律 $f(t) = K(t)(x_{eq}(t) - x_f(t)) + D(t)\dot{e}(t)$，位移误差 $e(t)$ 变得直接可观测。这使得可以通过仅利用机械臂已有的关节力矩传感进行回归来识别 $K(t)$ 和 $D(t)$，从而无需外部 F/T 传感器。

B. 无传感器扳手估计

由于该方法依赖于关节力矩传感器而非腕部 F/T 传感器，作者实现了一个无传感器扳手估计程序：

1. 重力补偿： 他们通过静态姿态识别工具的质量和质心，从而从测得的关节力矩中减去重力分量。
2. 偏差校正： 他们使用拟合在自由空间扫略轨迹上的随机傅里叶特征（Random Fourier Features）组来建模残差误差（取决于构型和速度）。
3. 噪声底限： 从留出的自由空间数据中测量每轴噪声底限 ($\sigma_{f,i}$)，以确保力估计高于传感器噪声。

C. 合规性标签提取

作者通过掩码回归过程提取逐时间步的各向异性合规性标签：

• 接触坐标系： 使用奇异值分解（SVD）将接触坐标系拟合到擦拭轨迹上，以定义表面法线。
• 窗口化回归： 在 300ms 的滑动窗口内，通过正则化非线性最小二乘法求解每轴的刚度 ($k$) 和阻尼 ($d$)。
• 可识别性掩码： 应用二进制掩码，仅在满足以下条件时保留标签：
  1. 回归矩阵良态。
  2. 位移显著。
  3. 力超过噪声底限。
  4. 系统处于接触状态。
     这产生了一个带有有效性掩码的 $(x_{eq}, \log K)$ 数据对，实现了零标注成本。

D. 合规性输出 VLA 策略

提取的标签用于微调预训练的 VLA（基于 SmolVLA 主干）：

• 架构： 策略接收视觉信息（场景 + 腕部相机）、语言指令（例如“用力擦拭左侧标记”）以及力历史标记作为输入。
• 输出： 它预测包含绝对目标位姿 ($x_{eq}$) 和刚度目标 ($\log K$) 的未来动作块（chunk）。
• 训练： 对位姿使用流匹配（flow-matching），对刚度使用 Huber 损失，且仅应用于经过掩码处理的可识别时间步。
• 控制： 低层笛卡尔阻抗控制器跟踪策略的块状输出。系统采用时间集成和能量池门控（energy-tank gating）技术以确保稳定性和钝性（passivity）。

3. 核心贡献

1. 无传感器提取程序： 一种利用双边遥操作解决位姿唯一性歧义的方法，仅使用原生的关节力矩传感器即可获得逐时间步的合规性标签。
2. 离线基准测试： 证明了提取的标签携带可学习信号，通过学习到的预测器在平移轴上的聚合 RMSE 上比每轴常数预测器高出 $1.25\times$。
3. 指令驱动的合规性策略： 一个基于这些标签训练的 VLA 策略，能够成功跟踪块状阻抗目标。在所有五个基线模型中，它是唯一一个其实际接触力能根据关于力“方式”（如“用力”与“正常”）的语言指令发生变化的策略。

4. 实验结果

该方法在执行白色板擦拭任务的 Franka Research 3 机器人上进行了评估，指令为“正常”或“用力”擦拭。

• 指令调节能力： 策略成功根据指令调节其输出刚度。
  • 展示的刚度： “用力”演示显示的刚度（$146.2$N/m）高于“正常”（$127.2$ N/m）。
  • 策略输出： 策略重现了这一差距（$141.2$ vs $116.4$ N/m）。
  • 实际接触力： 至关重要的是，实际接触力对指令做出了响应：“用力”导致 $9.12$N RMS 力，而“正常”导致$6.40$N RMS（$p=0.023$, Cohen's $d=0.89$）。
• 基线对比：
  • Fixed-K（固定刚度）： 使用恒定刚度；无法根据指令调节力。
  • Force-In（力输入）： 消耗力作为输入但仅输出位姿；无法调节力。
  • Hybrid（混合模型）： 预测刚度但通过单独的回归头；所命令的刚度未能转化为实际的力变化。
  • Ours（本文方法）： 唯一一个实际接触力在统计学上对语言指令做出响应的策略。
• 任务性能： 提出的策略实现了最高的成功率（50.0%）和墨迹去除率（40.8%），同时与 Fixed-K 基线相比保持了较低的峰值和 RMS 接触力，从而减少了保护性停机次数（1 次 vs 6 次）。

5. 重要性与主张

论文声称，学习合规操控的主要障碍不是模型架构，而是演示接口。标准接口混淆了平衡位置与刚度，使得在没有外部硬件或仿真环境的情况下无法进行合规性监督。

通过利用四通道双边遥操作，作者证明了：

1. 免费获取合规性： 在训练或推理阶段不需要额外的 F/T 或触觉传感器；领导臂提供了必要的平衡信号。
2. 合规性是可学习的行为： VLA 可以被训练以输出由机器人物理实现的刚度目标。
3. 指令驱动的力调节是可实现的： 系统可以根据自然语言（“用力”与“正常”）调节接触力，而无需依赖硬性约束或特权信息。

作者强调，仅仅预测合规性是不够的；策略还必须能够跟踪它。他们的方法通过解码位姿和刚度来实现这一目标，从而产生了真正的各向异性行为——即当被指示“用力”擦拭时，机器人会抵抗偏离路径的变形，而不仅仅是单纯地向板面压得更紧。

6. 局限性

作者承认存在若干局限性：

• 构型依赖性： 无传感器扳手估计需要固定的零空间姿态和受限的工作空间。
• 旋转阻抗： 旋转通道在此特定任务（擦拭）中识别较弱（擦拭几乎不激发旋转），且提取的旋转刚度经常饱和在控制器的下限。
• 适用范围： 证据仅限于单一任务（擦拭）和平台（Franka Research 3）。
• 消融实验效力： 由于 Rollout 预算较小，力通道的消融研究效力不足，使得力输入标记的因果作用仍有待进一步研究。