A medida que los sistemas robóticos evolucionan hacia agentes encarnados capaces de interactuar de forma compleja, el agarre ya no puede abordarse únicamente como un problema de optimización de la estabilidad geométrica. El auge reciente de los robots humanoides, cada vez más guiados por marcos de razonamiento de alto nivel como los modelos de lenguaje de gran escala (Large Language Models), exige agarres que respondan directamente a intenciones funcionales expresadas en términos de tareas. La manipulación robótica de precisión requiere manos diestras y multifingered con un alto número de grados de libertad (DoF), ya que muchas tareas posteriores —como reorientar objetos dentro de la mano, insertar herramientas con precisión, realizar desplazamientos coordinados de los dedos y agarrar por asas— exigen topologías de contacto multipunto distribuidas y controlables, que superan fundamentalmente las capacidades de pinza simétrica y de envolvimiento de las simples pinzas paralelas.
Introducción
Sin embargo, la transición hacia sistemas con un alto número de grados de libertad deja al descubierto una limitación crítica de los planificadores de agarre existentes: aunque pueden producir agarres físicamente estables, carecen de las propiedades estructurales necesarias para generar topologías de contacto alineadas con la tarea. Los planificadores de agarre modernos basados en datos se centran principalmente en determinar si un objeto puede agarrarse, en lugar de cómo debería manipularse.
Al optimizar exclusivamente la estabilidad geométrica y el cierre de fuerzas, estos métodos introducen un sesgo generativo severo hacia agarres energéticamente estables, pero funcionalmente uniformes. Aunque las manos diestras ofrecen una gran riqueza de contactos articulados, los planificadores actuales no aprovechan plenamente su potencial en cuanto a diversidad de patrones de agarre y, en su lugar, recurren de forma abrumadora a agarres de potencia envolventes.
En consecuencia, sintetizar un agarre de precisión específico para una tarea posterior resulta muy ineficiente, pues requiere generar y descartar un volumen impracticable de candidatos funcionalmente inadecuados.
El método se evalúa exhaustivamente tanto en simulación como en entornos reales. En primer lugar, la evaluación demuestra el marcado sesgo funcional de los planificadores actuales que no tienen en cuenta la taxonomía, midiendo la entropía de las distribuciones de topologías de contacto recuperadas. A continuación, CoToGrasp se compara con métodos de vanguardia guiados por taxonomías y demuestra una conformidad topológica y una estabilidad superiores.
La principal contribución es CoToGrasp, un planificador de agarres independiente del objeto que sintetiza agarres condicionados por topologías de contacto estructuradas, derivadas de taxonomías humanas. Para evaluar adecuadamente estas capacidades, se establece una metodología rigurosa que cuantifica la diversidad funcional y el sesgo semántico inherentes a los planificadores de agarre diestro.
Método
Para desacoplar correctamente la semántica funcional de alto nivel de las geometrías arbitrarias de los objetos, se adopta un paradigma de aprendizaje independiente del objeto. A diferencia de los métodos convencionales, la arquitectura se entrena exclusivamente con nubes de puntos de la pinza y se infiere sobre nubes de puntos de los objetos objetivo.
Durante la fase de entrenamiento, el modelo opera por completo en el sistema de coordenadas canónico de la pinza, por lo que es independiente de la pose global.
El modelo utiliza un sistema de coordenadas canónico de la pinza en lugar de depender de la posición y orientación globales de esta.
La red recibe como entrada únicamente la geometría superficial local de la pinza y una topología semántica de contacto, y aprende a reconstruir la máscara de plantilla correspondiente a los contactos físicos.
Conclusión
Este artículo presenta CoToGrasp, un marco generativo para la síntesis de agarres diestros condicionada por la topología de contacto. Al desacoplar de forma fundamental la intención funcional de la identidad del objeto, el método mitiga eficazmente el grave colapso de modos observado en los planificadores de agarre contemporáneos.
Esto permite a CoToGrasp sintetizar agarres de precisión y de potencia altamente restringidos y conformes con la topología sobre geometrías no vistas, sin depender de costosos conjuntos de datos anotados por objeto. Las evaluaciones exhaustivas demuestran que el proceso de validación filtra de forma robusta las configuraciones topológicamente inválidas y produce una diversidad semántica y una estabilidad física de vanguardia.
Por último, las implementaciones satisfactorias en el mundo real con la Allegro Hand confirman que las propiedades estructurales de las topologías de contacto generadas pueden ejecutarse físicamente en una plataforma robótica real.
Agradecimientos
Esta publicación fue posible gracias al uso del superordenador FactoryIA, financiado por el Consejo Regional de Île-de-France. Los experimentos presentados en este artículo se llevaron a cabo gracias a una plataforma financiada por DIM AI4IDF y PRAIRIE-PSAI.
Los autores agradecen a Timothée Carecchio su valiosa ayuda para lograr los resultados experimentales presentados en este artículo.
Este proyecto recibió financiación del programa de investigación e innovación Horizonte Europa de la Unión Europea, en virtud del acuerdo de subvención n.º 101135708, a través del proyecto JARVIS.
La investigación de Liming Chen contó en parte con el apoyo de la Agencia Nacional de Investigación francesa, l’Agence Nationale de Recherche, mediante los proyectos Aristotle, Astérix, DEMETER y PROTEUS, así como del programa nacional francés de inversiones prioritarias a través del proyecto PSPC FAIR WASTE.
Preguntas frecuentes
¿Qué problema aborda CoToGrasp? Aborda la incapacidad de muchos planificadores de agarres diestros para generar topologías de contacto alineadas con la tarea, en lugar de limitarse a producir agarres físicamente estables.
¿En qué condiciona el planificador los agarres? CoToGrasp condiciona la síntesis de agarres mediante topologías de contacto estructuradas, derivadas de taxonomías humanas.
¿Cómo se entrena el método? La arquitectura se entrena exclusivamente con nubes de puntos de la pinza dentro de un sistema de coordenadas canónico de esta, y se infiere sobre nubes de puntos de los objetos objetivo.
¿Se probó CoToGrasp en un robot real? Sí. Las implementaciones en el mundo real con la Allegro Hand demostraron que las topologías de contacto generadas podían ejecutarse físicamente.