Los robots humanoides ofrecen una plataforma de propósito general para trabajar en entornos diseñados para las personas. Muchas tareas en estos entornos, como empujar un carro, mover una caja pesada y limpiar una superficie, requieren controlar tanto la fuerza de contacto como el movimiento. La locomomanipulación humanoide aprendida suele plantearse como la generación y el seguimiento de referencias de movimiento. Seguir únicamente la trayectoria demostrada de la mano no reproduce la fuerza ejercida en la demostración, que también depende de la geometría de contacto, la rigidez y el movimiento del objeto. A diferencia de un brazo con base fija, un humanoide debe mantener el equilibrio bajo estas cargas de contacto y coordinar las manos, el torso y las piernas mientras regula la fuerza.
Política reactiva a la fuerza y control de cuerpo completo
El planificador de alto nivel utiliza una política de difusión reactiva a la fuerza. Observa imágenes de las muñecas, el estado del robot y la fuerza-par medida en cada mano; a continuación, predice un bloque de acciones, las aperturas de las pinzas y la fuerza deseada para cada mano. La fuerza interviene tanto como entrada como salida. La entrada permite que la política reaccione a interacciones que no se aprecian en las imágenes. La salida se envía al controlador, en lugar de utilizarse solo como objetivo auxiliar. Así se vincula la fuerza medida durante la demostración con la fuerza aplicada durante el despliegue.
Para seguir las fuerzas indicadas, desarrollamos un controlador de cuerpo completo con cumplimiento híbrido. Solo genera posiciones articulares, por lo que la orden de fuerza de cada mano se traduce en un desplazamiento de su objetivo de posición. Durante el contacto, la integral del error de fuerza medido en la muñeca ajusta este desplazamiento hasta que la mano ejerce la fuerza indicada, independientemente de la rigidez del contacto. En los ejes sin una fuerza indicada, esa misma integral permite que la mano ceda ante empujes externos. Así, cada mano sigue la fuerza en la dirección indicada y cede en las demás, sin cambiar de modo. Entrenamos el controlador en simulación y lo desplegamos en el robot usando mediciones de fuerza/par de las muñecas.
Desplegamos FLoRe en un Unitree G1 y evaluamos tres tareas de cuerpo completo con mucho contacto: empujar un pórtico del que cuelga otro robot, girar una caja con ambas manos y limpiar una pizarra. En simulación, el controlador logra un error de fuerza en contacto de aproximadamente 1 N por mano mientras sigue el movimiento de cuerpo completo. En el robot real, FLoRe tiene éxito en el 80% de las ejecuciones, frente al 26.7% de una política que solo utiliza posiciones, entrenada con las mismas demostraciones y ejecutada por el mismo controlador con las órdenes de fuerza desactivadas. Si se omite únicamente la orden de fuerza, el éxito baja al 36.7%; si se elimina únicamente la observación de fuerza, baja al 66.7%. Ambos componentes contribuyen al rendimiento final.
Las principales contribuciones son:
- Un flujo de trabajo sin robot para aprender locomomanipulación humanoide reactiva a la fuerza a partir de demostraciones que registran tanto el movimiento como la fuerza-par de contacto.
- Un controlador de cuerpo completo aprendido que sigue la fuerza de cada mano junto con el movimiento de los puntos clave, al tiempo que cede ante fuerzas externas y mantiene el equilibrio.
- Evaluación en simulación y en tres tareas con mucho contacto en un Unitree G1, donde las órdenes y las observaciones de fuerza mejoran el éxito de las tareas frente al control basado únicamente en posiciones.
Recopilación de datos sin robot anotados con fuerza
Flujos y sincronización
Las imágenes, las poses de los rastreadores, las fuerzas-par y las aperturas de las pinzas llegan a distintas frecuencias y reciben una marca de tiempo al llegar, usando un único reloj del host; las etiquetas que aparecen a continuación se construyen a partir de los flujos sin procesar, no de la cuadrícula de la cámara. Las lecturas de fuerza-par que faltan y los transitorios de tara se enmascaran en lugar de rellenarse con ceros, ya que un sensor tarado también marca cero en el espacio libre.
Empujar el pórtico
Tarea
El robot apoya ambas manos en un pórtico con ruedas y pesado, del que cuelga un segundo humanoide, y lo empuja hacia delante hasta una distancia objetivo. El movimiento de las manos demostrado no especifica con cuánta fuerza hay que empujar, pero el pórtico no se mueve hasta que el empuje vence la fricción estática. Esta es la única tarea registrada con rastreadores en los tobillos, por lo que la política predice los cinco puntos clave. Una ejecución tiene éxito si el pórtico alcanza la distancia objetivo sin detenerse.
Capacidades
- Coordinación bimanual y de cuerpo completo: Las piernas y el torso generan el empuje mientras las dos manos equilibran las fuerzas; de lo contrario, el pórtico se desvía de su trayectoria.
- Contacto sostenido: Ambas manos deben mantener el contacto mientras el pórtico acelera y el robot da pasos.
- Robustez ante variaciones de fuerza: El humanoide colgante se balancea a medida que avanza el pórtico, por lo que la resistencia cambia con el tiempo.
Escenarios de prueba
Realizamos 10 ejecuciones por política con dos cargas para el pórtico y cinco poses iniciales que varían en distancia y orientación.
Girar una caja
Tarea
El robot sujeta el borde de una caja con ambas manos. La gira un ángulo no especificado, la arrastra unos 0.5 m por la mesa y la suelta. La caja permanece sobre la mesa, por lo que la fuerza-par medida refleja la fricción de la mesa, la inercia de la caja y la presión interna entre las manos. Una ejecución tiene éxito si la caja gira más de un ángulo umbral no especificado y permanece en posición vertical después de soltarla.
Capacidades
- Coordinación bimanual: Las manos comparten una fuerza interna y giran en torno a un eje común. En las demostraciones, la mano derecha aplica aproximadamente un múltiplo no especificado de la fuerza de la mano izquierda. Si una mano se adelanta a la otra, la caja se inclina.
- Contacto sostenido: La sujeción debe mantenerse durante el arrastre y el giro de guiñada, sin que la caja se deslice ni se levante.
- Robustez ante variaciones de fuerza: La fricción cambia según la masa de la caja y cuando esta empieza a deslizarse.
Escenarios de prueba
Realizamos 10 ejecuciones por política con dos masas de caja y cinco ángulos de guiñada iniciales.
Rendimiento
FLoRe tiene éxito en 9/10 ejecuciones y presenta un error de pose fuera de línea de 0.70 cm. DP tiene éxito en 3/10 y presenta dos modos de fallo. O bien no consigue arrastrar la caja pesada, o bien se inclina sobre ella y pierde el equilibrio. Sin las órdenes de fuerza, la política tiene éxito en 4/10 ejecuciones y falla de forma similar porque no se ejecuta la presión que predice. Sin la entrada de fuerza, tiene éxito en 7/10 ejecuciones, pero no puede reaccionar cuando la caja empieza a deslizarse.
Limpiar una pizarra
Tarea
El robot presiona un borrador contra una pizarra blanca y limpia una franja marcada. El éxito depende de la fuerza normal, que no es visible en las imágenes. Una ejecución tiene éxito si se borra la franja sin detenerse.
Capacidades
- Contacto sostenido: El robot debe mantener la fuerza normal durante cada pasada y restablecerla tras perder el contacto. Las imágenes por sí solas no permiten distinguir entre estar suspendido sobre la pizarra y presionarla.
- Robustez ante variaciones de fuerza: Desplazamos la pizarra una distancia no especificada en centímetros a lo largo de su normal. Si se sigue directamente, la trayectoria demostrada no produce contacto o genera una fuerza excesiva.
Escenarios de prueba
Realizamos 10 ejecuciones por política con dos desplazamientos de la pizarra, una distancia no especificada en centímetros a lo largo de la normal, y dos superficies.
Resumen de los resultados
Las órdenes de fuerza producen la mejora mayor y significativa; las observaciones de fuerza muestran una tendencia más modesta. Si se omite del controlador la fuerza predicha, el éxito baja del 80% (24/30) al 36.7% (11/30; prueba exacta de Fisher, un estadístico de prueba o valor p no especificado): la política detecta la resistencia, pero solo puede responder mediante la pose. Si se elimina la observación de fuerza, el éxito baja al 66.7%.
Conclusión
FLoRe es un marco para aprender locomomanipulación humanoide reactiva a la fuerza a partir de demostraciones sin robot que registran tanto el movimiento como la fuerza-par de contacto. Su controlador de cuerpo completo con cumplimiento híbrido sigue las órdenes de fuerza aprendidas, lo que permite al humanoide mantener el contacto, coordinar ambas manos y aplicar fuerza mientras camina y mantiene el equilibrio. En tres tareas, la política reactiva a la fuerza tiene éxito en el 80% de las ejecuciones, frente al 26.7% de una política basada únicamente en posiciones. Al convertir la fuerza en una interfaz compartida entre las demostraciones, las políticas y el control de cuerpo completo, FLoRe amplía el aprendizaje por imitación sin robot a habilidades con mucho contacto que no pueden especificarse únicamente mediante el movimiento.
Preguntas frecuentes
¿Qué observa y predice la política FLoRe? Observa imágenes de las muñecas, el estado del robot y la fuerza-par medida en cada mano. Predice bloques de acciones, aperturas de las pinzas y la fuerza deseada para cada mano.
¿Cómo sigue el controlador la fuerza sin dejar de ceder ante otras fuerzas? Desplaza el objetivo de posición de cada mano mediante la integral del error de fuerza medido en la muñeca. En los ejes sin una fuerza indicada, la mano puede ceder ante empujes externos.
¿Qué tareas se evaluaron en el Unitree G1? Las tareas fueron empujar un pórtico del que cuelga un humanoide, girar una caja con ambas manos y limpiar una pizarra.
¿Cómo afectaron las órdenes y las observaciones de fuerza al éxito? FLoRe logró un 80% de éxito; desactivar las órdenes de fuerza redujo el éxito al 36.7%, y eliminar las observaciones de fuerza lo redujo al 66.7%.