技术摘要：ForceTwin

问题陈述

机器人操纵关节化物体（如门、抽屉、烤箱）不仅需要几何和运动学知识，还需要理解支配交互的物理动力学。这些动力学包括惯性、摩擦力（库伦摩擦和粘性摩擦）以及状态相关的机构力（例如门闭门器、弹簧）。至关重要的是，这些属性是特定于实例的，并且通常对基于外观的先验知识是不可见的。视觉上完全相同的物体可能拥有截然不同的惯性负载或内部机构，如果仅依赖视觉或语言模型，会导致产生物理上不合理的估计。

现有的数字孪生流水线通常只能恢复运动学结构或根据视觉先验分配静态物理参数。因此，它们无法捕捉非线性的、状态相关的机构响应，而标准的资产格式无法表示此类响应。此外，虽然存在机器人探测方法，但它们通常需要部署机器人，且只能恢复简化的常数摩擦模型，忽略了复杂机构的动力学特性。

方法论：ForceTwin

作者提出了 ForceTwin，这是一个通过受控的人机交互来识别关节化物体物理感知数字孪生的系统。其核心前提是：人类操作员使用手持式力传感夹持器，可以安全且高效地探测物体以激发其完整的动态范围，从而提供仅靠机器人难以获取的数据。

1. 数据采集

人类操作员抓取一个物体并使用力传感工具（Hoi! 夹持器），在各种速度和加速度下对其进行操作。系统记录两路同步数据流：

• 工具位姿 ($WPTCP$)： 工具中心点在世界坐标系下的轨迹。
• 接触力矩 ($WF$)： 工具施加在物体上的 6D 力/力矩，并已补偿了夹持器自身的重量和惯性。

2. 运动学估计

系统首先估计关节结构（关节类型：转动关节或移动关节，以及关节轴线）。

• 它将工具运动建模为指数积形式中的一维螺旋运动。
• 使用贝叶斯信息准则 (BIC) 选择关节类别。
• 通过因子图优化关节几何形状和逐样本状态，并强制转动关节的螺旋螺距为零。

3. 动力学辨识

系统将广义驱动力 ($\tau$) 的辨识公式化为一个半参数部分线性模型。移动物体所需的总驱动力建模为：
$$\tau = \underbrace{I \ddot{q} + \mu \text{sgn}(\dot{q}) + b \dot{q}}_{\text{有效参数化动力学}} + \underbrace{g_\theta(q) + c_\phi(q, |\dot{q}|)\dot{q}}_{\text{结构化机构残差}} + \epsilon$$

• 参数项： 惯性 ($I$)、库伦摩擦 ($\mu$) 和粘性阻尼 ($b$) 使用非负最小二乘法进行估计。这确保了物理有效的参数（例如非负质量），并能直接映射到标准模拟器中。
• 结构化神经残差： 剩余的状态相关行为（如门闭门器等机构）由一个结构化神经网络捕捉。
  • $g_\theta(q)$：与构型相关的负载（例如弹簧力）。
  • $c_\phi(q, |\dot{q}|)$：允许方向不对称性同时保持非负性的阻尼系数。
• 拟合策略： 先拟合参数系数，随后在剩余误差上训练残差网络。这种顺序方法使分解过程具有正则化作用，尽管作者承认这种分解在严格意义上不是唯一的（例如，常数机构阻尼可能会被吸收进粘性项中）。

4. 孪生体组装

识别出的物理模型被注册到一个几何资产上（该资产通过相同的记录重建或单独提供）。模型被转换到资产的坐标系中，重新参数化以匹配关节惯例，并进行导出。参数部分被写入标准模拟器字段，而非线性机构项则作为状态相关的关节驱动力进行评估，或近似为弹簧-阻尼器进行导出。

核心贡献

1. 基于人机交互的系统辨识： 引入了一种利用手持式力传感夹持器识别特定实例关节化物体动力学的流水线，实现了辨识过程与机器人部署的解耦。
2. 半参数化建模： 提出了一种结合物理约束参数项（惯性、摩擦）与结构化神经残差的混合模型，用于捕捉非线性机构。这产生了具有模拟兼容性的参数以及对关节驱动力的预测模型。
3. 双重用途（控制与仿真）： 证明了单个识别出的孪生体既可以作为现实世界机器人控制的前馈动力学模型，也可以作为高保真资产用于强化学习。

实验结果

估计保真度

• 运动学： 在轴线估计方面，ForceTwin 优于纯视觉基线 (OPDMulti)，并略优于基于交互的基线 (MoMa-SG)，实现了 100% 的关节类型准确率，并将轴线位置误差降低了一半。
• 惯性参数： 与视觉语言模型 (VLM) 先验相比，ForceTwin 将惯性参数估计的宏观平均绝对相对误差从 53.0% 降低至 29.5%。VLM 先验一致地低估了惯性，特别是在重载物体的情况下，而 ForceTwin 的估计更为准确，尽管由于未建模的驱动力吸收而略微偏高。
• 系统级保真度： 在“实到虚”自由摆动实验（从特定角度释放门）中，ForceTwin 的孪生体将关闭时间误差从 57.7% (VLM 先验) 降低到了 16.3%。

真机操纵

识别出的孪生体被部署为 Spot 机器人和 Franka FR3 手臂笛卡尔阻抗控制器的前馈项，涵盖了九种“物体-具身”组合。

• 目标完成率： ForceTwin 实现了 87.3% 的总体平均目标完成率，显著优于 VLM 先验 (59.7%) 和仅含运动学的孪生体 (56.9%)。
• 强机构物体： 在具有强机构的物体（如烤箱、金属门）上，性能差距进一步扩大。基线模型因前馈模型提供的力不足而导致任务停滞（完成率 <5%），而 ForceTwin 实现了 67–100% 的完成率。
• 跟踪误差： ForceTwin 在所有物体上均实现了最低的跟踪均方根误差 (RMSE)。

策略学习

识别出的动力学被导出至 Isaac Lab，用于为 ANYmal 四足机器人训练全身穿门策略。

• 使用识别动力学训练的策略成功迁移到了真实的木门和金属门。
• 木门策略执行了平滑的穿越，而金属门策略表现出“走走停停”的行为，这归因于 sim-to-real（仿真到现实）的校准差异，而非模型本身的问题。

重要性与主张

论文声称 ForceTwin 解决了机器人操纵中的一个关键空白：即当前数字孪生流水线无法在不进行机器人预部署的情况下，捕捉特定实例的、状态相关的动力学。通过利用人类交互，该系统恢复的物理参数在惯性方面比视觉先验准确近两倍，并成功建模了会导致标准控制器失效的非线性机构。

作者强调，识别出的孪生体不仅仅是一个仿真资产，更是一个功能性的控制组件。它使机器人能够操纵具有强内部机构（如弹簧驱动门）的物体，而这些物体会导致仅含运动学或基于先验的模型发生停滞。此外，该系统证明了这些识别出的模型可以直接集成到强化学习流水线中，从而弥合了全身接触密集型任务中的 sim-to-real 鸿沟。

作者对局限性保持了谦逊的态度：模型分解项不是唯一的，模型是无记忆的（忽略了滞后性和粘滞性），且辨识是针对特定实例的，需要主动探测而非被动观察。他们指出，将动力学迁移到未经过探测的部分仍然是一个开放性的挑战。