Quando os robôs humanoides enfrentam terrenos complexos como pilares de ameixas, pontes quebradas e escadas estreitas, o teste que realmente está à sua frente é muito mais do que “ver bem os pés”.
Em terrenos planos contínuos, um pouso pouco preciso geralmente tem espaço de ajuste; No entanto, em áreas de queda diluídas, discretas e geometricamente limitadas, o deslocamento da palma de alguns centímetros pode levar à queda vazia. Quando o robô faz uma escolha errada em um instante, muitas vezes antes de se ajustar, o corpo perde o equilíbrio.
Uma questão fundamental surge: Será que os robôs podem decidir com antecedência para o futuro que esse passo levará antes de dar o passo atual?
Para resolver esse problema, a equipe de algoritmos robóticos da Tunica propôs o Modelo Mundial de Locomoção Visual Aumentada, abreviado WM-LOCO.
O WM-LOCO introduz modelos mundiais orientados para previsões futuras de estado visual e de movimento para caminhadas de topografía complexas de robôs humanoides, treinamento conjunto de ponta a ponta em simulações e migração de máquina real zero-shot. Isso significa que as estratégias treinadas na simulação podem ser implantadas diretamente no robô físico sem ajustes secundários.
Arquitetura WM-LOCO: Estratégia PPO à esquerda e modelo de mundo circular à direita, ambos compartilhando codificadores e treinamento conjunto de ponta a ponta
Simplificando, os robôs do passado decidiam o próximo passo mais com base em "o que viram". O WM-LOCO permite que os robôs aprendam a “prever o futuro e decidir o próximo passo”.
Compreender o passado, por que não é suficiente?
A aprendizagem visual reforçada tradicional geralmente insere informações visuais atuais e históricas, juntamente com o estado do corpo do robô, na rede estratégica e, em seguida, emite instruções de controle articular em tempo real.
Essas estratégias baseadas no histórico de observação são capazes de “ver” a informação que o robô já experimentou, inserindo imagens contínuas de múltiplos quadros ou um histórico de estado ontológico para avaliar como o robô se movimentou anteriormente, como o terreno mudou e gerar movimentos atuais de acordo com isso.
Mas o problema é que as estratégias sempre usam informações "passadas" e não aprendem explicitamente "mudanças de estado futuras que uma determinada ação pode trazer". Essa limitação ainda não é evidente em terrenos planos e regulares, mas quando se trata de terrenos com áreas de descanso rigorosamente limitadas, como pilares de ameixas, pontes quebradas e escadas estreitas, o quadro curto para tomar decisões com base na história de observação é aumentado drasticamente.
Uma caminhada em terreno complexo nunca é uma simples superposição de uma sequência de movimentos de passos não relacionados.
O lugar onde o pé está atualmente afeta continuamente o centro de gravidade do corpo, a relação de apoio, a trajetória da perna e quais áreas podem ser alcançadas a seguir. Uma ação aparentemente viável neste momento pode deixar o robô sem caminho no próximo momento.
Portanto, o robô não só precisa entender o que aconteceu antes, mas também precisa prever: se essa ação for executada, o que pode acontecer a seguir?
Compreender a estratégia do “futuro”
O WM-LOCO recebe simultaneamente informações de visão profunda e percepção ontológica a bordo do robô e, através de um modelo de mundo circular, aprende continuamente no espaço oculto a relação dinâmica entre robô, movimento e ambiente.
É importante ressaltar que o objetivo deste modelo mundial não é gerar um vídeo do futuro para serem visualizados, mas sim aprender a caracterizar o estado futuro de forma mais compacta e controlada em tempo real. WM-LOCO tenta responder a três perguntas em cada momento:
Em que situação estão os robôs e o terreno agora?
Como a visão e o estado físico mudam após a execução?
Essa mudança é benéfica para a próxima caminhada estável?
Em uma implementação concreta, o modelo do mundo é composto por uma trajetória de memória determinista e uma variável latente aleatória: a primeira acumula a história ao longo do ciclo do tempo, e a segunda infere a partir das observações atuais.
Aprendendo a reconstrução de observações, transferências de estado potenciais e previsões de feedback de tarefas, o modelo mundial refina progressivamente as representações dinâmicas que contêm tendências futuras de movimento e devolve essas informações à estratégia do PPO.
Assim, a estratégia obtém mais do que apenas escadas, obstáculos e áreas de queda na imagem de profundidade atual, nem apenas uma trajetória histórica de movimento, mas também informações prospectivas sobre como o estado físico do robô pode evoluir a seguir.
GT é a profundidade real do próximo quadro, Recon. é a previsão do modelo e Error é o erro por pixel.
Essa é a principal diferença entre o WM-LOCO e a estratégia de entrada multi-frame comum. Observar a história ajuda principalmente as estratégias a entender “o que aconteceu no passado”; O modelo mundial aprende ainda mais sobre a dinâmica das relações entre observações, ações e estados futuros, permitindo que as estratégias inferam o que pode acontecer a seguir.
Assim, a tomada de decisões estratégicas já não depende apenas de informações históricas, mas realmente tem capacidade de previsão orientada para o futuro.
Treinamento de ponta a ponta, adeus ao processo pesado
Para permitir que os robôs atravessem terrenos complexos, muitas rotas tecnológicas dividem o sistema em vários módulos, como percepção, planejamento de ponto de destino, geração de trajetório, estratégia do professor e controle subjacente.
Alguns programas também exigem primeiro treinar uma estratégia de professores "abertos" com valores reais do topograma completo e depois transferir habilidades para estratégias de alunos que usam sensores a bordo através da destilação de conhecimento. O custo desse tipo de solução é que os links de treinamento são mais longos, mais projetos manuais, os custos de construção de dados são mais altos e os erros podem ser transmitidos gradualmente entre vários módulos, aumentando em camadas.
Em contraste, o WM-LOCO escolheu um caminho mais direto e conciso: o modelo mundial e a estratégia de caminhada são otimizados de ponta a ponta no mesmo processo de treinamento.
O sistema inteiro não requer marcação manual de pontos de destino, não depende de trajetórias pré-planejadas, não requer destilação multifásica professor-aluno, não requer estruturas complexas de vários especialistas ou treina vários módulos independentes separadamente. Do input visual ao movimento articular, treine um passo no lugar.
A informação dinâmica aprendida pelo modelo mundial também não é reconstruída para reconstruir, mas serve diretamente a um objetivo: ajudar a estratégia a tomar melhores decisões sobre o próximo passo.
Maiores taxas de sucesso e caminhadas mais naturais
Com as mesmas configurações de entrada visual e tarefa, a equipe de algoritmos contrastou o WM-LOCO com a estratégia de PPO de base.
À medida que as áreas de assentamento se tornam cada vez mais escassas, estreitas e discontinuas, as duas abordagens mostram uma clara lacuna. Dependendo apenas de estratégias puras de PPO com histórico de observação, é mais provável que se verifique uma queda precoce, tentações frequentes, ritmos inconsistentes da perna esquerda e direita e problemas com movimentos locais viáveis e seguidos, mas que não podem continuar. Em alguns terrenos de alta dificuldade, um PPO simples é difícil até formar uma capacidade de passagem estável.
Depois da introdução do modelo mundial, a taxa de sucesso dos robôs aumentou significativamente em cenários complexos, como pilares de ameixas, pontes quebradas, escadas estreitas e pontes de madeira, aproximando-se de 100% na simulação. Enquanto isso, o robô reduziu a correção repentina e a caminhada hesitante.
Em outras palavras, o modelo mundial traz não apenas a “capacidade de passar”, mas também permite que os robôs mostrem uma intenção de movimento mais contínua e estável ao caminhar – as pernas, a posição e a transferência de gravidade do corpo são mais coerentes, o ritmo da perna esquerda e direita é mais coordenado e o movimento geral é mais natural e mais próximo da caminhada humana.
Na máquina real, o mesmo conjunto de pesos foi implantado no Unitree G1 de forma zero-shot: 10 testes em terrenos de pedras, escadas e fendas, com uma taxa média de sucesso de 93,3%. Entre as fendas de 0,8 metro de largura, o robô passou passo a passo com um movimento completo de "balançar as pernas - atravessar - pousar" - por razões de segurança, a equipe não continuou a testar as fendas mais largas, mas esta é a distância de atravessamento real rara no trabalho público atual.
Verificação no local: mais do que uma demonstração
Os trabalhos no mercado geralmente apresentam vídeos de demonstração filtrados, muitas vezes com dificuldade para refletir completamente a estabilidade do algoritmo em ambientes reais.
A exibição no local é totalmente diferente. Os robôs precisam lidar com ruído real dos sensores, mudanças no estado do equipamento, interferência de luz e uma única operação que não pode ser repetida. Qualquer falha de percepção ou controle é exposta diretamente ao público.
Na recente conferência de comunicação de mídia da Asahiki S600, o robô humanoide equipado com o WM-LOCO completou a demonstração pública da máquina real no local. Os algoritmos são executados em tempo real em robôs reais, sensores reais e a plataforma de computação Asahiki S600, completando um ciclo fechado completo, desde a percepção visual, a modelagem do mundo até o controle do movimento corporal.
As operações públicas ao vivo exigem maior estabilidade, tempo real e confiabilidade de implantação dos algoritmos do que as demonstrações de caminhada em terreno complexas, principalmente sob a forma de demonstrações em vídeo, confirmando ainda mais a confiabilidade de engenharia, a implantabilidade real e as altas taxas de sucesso do WM-LOCO.
Os modelos mundiais não são apenas usados para gerar o futuro, mas também podem ajudar os robôs a entender o futuro.
À medida que o robô passa de tomar decisões baseadas na história de observação para prever proativamente as consequências de seus movimentos, sua lógica de caminhada também muda: prever o futuro e dar o próximo passo.
(Seção)
