TacDiffusion: Force-domain Diffusion Policy for Precise Tactile Manipulation
TacDiffusion: Force-domain Diffusion Policy for Precise Tactile Manipulation
Yansong Wu · Zongxie Chen · Fan Wu · Lingyun Chen · Liding Zhang · Zhenshan Bing · Abdalla Swikir · Sami Haddadin 等
一句话结论
TacDiffusion 把扩散策略从常见的位姿/关节动作域移到六维力域：模型根据外部 wrench、内部 wrench 和末端速度生成前馈 wrench，动态系统滤波器再把 50–500 Hz 的模型输出平滑升频到 1 kHz，交给阻抗控制器执行。最佳的 DF3 在四种未见几何上的平均成功率为 95.7%，高于行为树专家基线的 83.3%；但更大的 DF4 虽然离线损失最低，却因只有 51.2 Hz 的推理频率而显著退化。这篇论文最强的结论不是“模型越大越好”，而是力策略的预测质量必须与控制带宽一起优化。
关键词
摘要
中文摘要
以下为摘要要点的中文意译，而非逐句对照翻译。
本文提出 TacDiffusion，一种面向精密触觉操作的力域扩散策略。与生成运动轨迹的传统扩散策略不同，TacDiffusion 根据触觉观测直接生成力动作，并将其与阻抗控制器结合。一个基于动态系统的滤波器负责衔接扩散模型推理与机器人高频控制之间的频率差。精密插入实验展示了策略从单一示范物体迁移到多种未见几何的能力，也揭示了模型预测精度与推理频率之间的权衡。
英文摘要
原文入口： https://arxiv.org/abs/2409.11047 。为避免把压缩表述冒充逐字引文，下面保留的是英文内容概括，不是原摘要的逐字复制。
In this paper, we propose TacDiffusion, a force-domain diffusion policy for precise tactile manipulation. Unlike conventional diffusion policies that generate motion trajectories, TacDiffusion directly generates force actions from tactile observations and integrates them with an impedance controller. A dynamic-system-based filter bridges the frequency gap between diffusion inference and high-frequency robot control. Experiments on high-precision insertion tasks demonstrate generalization from one demonstrated object to multiple unseen geometries and reveal the trade-off between model accuracy and inference frequency.
直观理解
普通 Diffusion Policy 通常回答“机械臂下一段该往哪里走”。TacDiffusion 回答的是“机械臂下一刻应该施加什么六维力和力矩”。阻抗控制器仍负责把位姿误差变成反馈力，但扩散模型额外提供前馈 wrench，借此表达插入时的试探、纠偏和沿接触面的顺应动作。由于神经网络无法稳定跑到机器人控制器的 1 kHz，作者又加了一个二阶动态系统，把稀疏、带噪的模型输出插值成连续的高速力指令。
图 1：策略直接生成六维 wrench；动态系统滤波负责升频和平滑，阻抗控制器把前馈力与位姿反馈项合成最终控制命令。
背景与问题
为什么做
亚毫米间隙插入的成败取决于接触力的方向、大小和变化速度。只预测位姿轨迹时，策略仍要依赖固定的底层控制器把几何误差转成接触反应；若环境几何或摩擦改变，这个映射很容易失效。直接学习 wrench 可以更贴近接触动力学，也能把专家行为树中依赖力阈值、状态估计和多个力控制 primitive 的逻辑压进一个生成策略。
问题缺口
力域生成有一个比位姿域更尖锐的系统矛盾：扩散采样需要多次去噪，输出频率可能只有几十到几百赫兹，而机器人力控制通常运行在 1 kHz。若直接保持上一帧力命令，接触会出现阶跃和振荡；若一味增大网络容量改善离线预测，又会进一步降低闭环刷新率。TacDiffusion 因而同时研究力生成模型和跨频率接口，而不是只比较预测损失。
方法
方法概述
系统保留已有行为树技能的 approach 与建立接触阶段，然后用 TacDiffusion 替换后续两个力控制 primitive 和相应状态估计器。策略观测为 18 维：六维外部 wrench、六维内部 wrench 和六维末端速度；模型读取当前及上一时刻观测，用 DDPM 生成六维前馈 wrench。最终控制输入由前馈项与标准阻抗反馈项共同组成，并在 1 kHz 下执行。
核心机制
模型真正学习的是“触觉状态到前馈 wrench”的多模态条件分布，而不是末端轨迹。50 步去噪产生的新 wrench 目标先由二阶动态系统连续追踪，在 1 kHz 控制循环中再与阻抗反馈 K e + D e_dot 叠加。这样既让策略表达专家的力切换与纠偏行为，又由经典反馈项约束位姿误差；闭环效果因此同时取决于生成精度、推理刷新率、滤波相位和阻抗参数。
方法拆解
- 18 维触觉观测：外部 wrench 表示估计接触载荷，内部 wrench 表示控制器内部力状态，末端速度提供接触运动方向与阻尼相关信息。
- 六维力动作：策略输出三个轴向力和三个轴向力矩，不直接输出关节或笛卡尔位姿目标。
- 两帧上下文：当前和前一时刻观测组成短历史，使模型至少能看到 wrench 与速度的局部变化，但远短于显式长时力历史方法。
- 50 步 DDPM：固定去噪步数让不同容量模型的主要区别落在拟合能力和单步推理开销上。
- 动态系统滤波：滤波器既插值又平滑，避免模型输出在控制 tick 之间形成零阶保持阶跃；它是连接学习策略和高频控制器的关键系统组件。
- 前馈阻抗控制：扩散力不是独立力控制回路，而是叠加在稳定的阻抗反馈结构之上。几何误差仍由刚度和阻尼项处理。
关键要点
- 直接生成力并不取消经典控制；论文的可执行闭环由学习前馈、动态系统滤波和阻抗反馈三部分共同构成。
- 模型离线损失、策略刷新频率与 1 kHz 控制接口必须联合选择，DF4 的容量反转正是核心系统证据。
- 所谓几何零样本迁移仍限于同一插入技能、同一机器人和同一底层控制器，不等价于跨任务通用策略。
结果
结果速览表
| 研究问题 | 结果 | 对照 | 如何解读 |
|---|---|---|---|
| 最佳未见几何平均成功率 | DF3 95.7% | 专家行为树 83.3% | 同一插入技能内的几何迁移 |
| 训练物体 Cuboid | DF3 98% | 专家行为树 92% | 学习策略没有只记忆专家结果 |
| 最低验证损失模型 | DF4 0.0288 | DF3 0.0716 | DF4 闭环表现反而更差 |
| 推理频率 | DF3 141.8 Hz | DF4 51.2 Hz | 控制带宽解释容量反转的重要部分 |
| 动态系统滤波 | 平均 +9.15 个百分点 | 无滤波版本 | 跨频率接口直接影响任务成功 |
| 控制执行频率 | 1 kHz | 模型 51.2–503.8 Hz | 高频执行主要来自插值和平滑，而非每 tick 新推理 |
洞察
- TacDiffusion 把力从“观测条件”提升为“可执行控制目标”。这与预测位姿、把力仅作为输入的 force-aware policy 有本质差别。
- 最有价值的消融是 DF3 与 DF4 的反转：模型容量改善了监督损失，却牺牲闭环更新率，最终让系统级表现下降。接触策略选型必须同时看预测误差、端到端延迟和底层控制频率。
- 动态系统滤波器承担了学习系统与经典控制之间的接口契约。它让生成模型不必达到 1 kHz，但固定参数也会引入相位延迟并压制快速接触瞬态。
- 所谓“零样本”是同一插入技能、同一机器人与控制器下的未见几何迁移，不是跨任务或开放世界通用策略。
- 策略把原有行为树中的两个 primitive 和状态估计器合并，但 approach、接触建立、阻抗控制和任务编排仍由既有系统提供；它是局部技能替换，不是端到端任务解决方案。
和已有方法的关系
- 对常规 Diffusion Policy：动作空间从运动轨迹改为 wrench，执行端必须显式提供稳定的力/阻抗控制接口。
- 对力感知 VLA/模仿策略：多数方法用 wrench 调节位姿动作；TacDiffusion 则直接提出力目标，更接近混合力位控制中的前馈分量。
- 对经典行为树：模型学习了 primitive 切换和局部纠偏，但基线也提供示范，因此其性能上界和数据质量仍由专家系统塑造。
- 对高频触觉修订方法：滤波器以 1 kHz 输出并不等于策略以 1 kHz 重新观测和决策；DF3 的新模型目标约 141.8 Hz，其余 tick 是动态系统插值。
可借鉴点
- 对直接输出力的学习策略，报告模型频率、控制频率及二者间的保持/滤波方式是必需项。
- 模型选择应使用闭环成功率和恢复行为，而非只按验证损失排序。
- 可把生成模型作为阻抗控制器的前馈通道，从而保留经典反馈稳定结构；但应进一步分析滤波器和学习前馈对稳定裕度的影响。
- 几何迁移应按间隙、初始偏差、摩擦和材料分别分层，避免用“新物体”一个标签掩盖难度差异。
风险与判断
局限
- 训练使用单一 Cuboid、同一 Franka Panda 和同一控制栈，未验证跨机器人、跨末端工具、跨摩擦材料或跨任务泛化。
- 1,500 条专家轨迹以 1 kHz 采集，数据规模和专家系统开发成本都不低；“从行为树中学习”并不代表免除专家工程。
- 外部/内部 wrench 的来源依赖机器人力估计和控制器状态，并非任意低成本平台都能直接获得同质量信号。
- 动态系统参数固定为经验值，没有任务自适应、频域分析或完整稳定性证明；强滤波可能延迟碰撞响应。
- 对照主要是产生示范的专家行为树，没有与同数据、同控制带宽的位姿域 Diffusion Policy 或其他学习力控制方法直接比较。
- 两帧观测只覆盖极短时间，尚不能证明能识别慢性摩擦积累、热漂移或长阶段接触状态。
- 论文强调 129.5% 综合性能提升，但该指标混合成功与时间效率；最稳妥的可复核结论仍是 DF3 未见几何平均 95.7% 对基线 83.3%。
适用场景
- 适合机器人已有稳定阻抗接口、能可靠估计六维 wrench，且任务是局部精密插入或接触搜索的系统。
- 适合用学习策略替换复杂力 primitive 和手工状态机，同时保留上层任务编排与底层反馈控制。
- 不适合直接用于安全关键高速碰撞，也不适合把低频神经网络输出未经带宽设计就送入刚性位置控制器。
最终判断
- 这篇论文为“力可以是生成动作空间”提供了清楚的系统证据，并用模型容量反转实验展示了控制带宽的重要性。
- 它的泛化证据在精密插入几何内部较强，但不支持跨技能通用性；滤波器和阻抗控制器也是成功不可分割的一部分。
- 后续最关键的验证是固定端到端延迟与控制器后比较位姿域、力域和混合动作域，并报告接触峰值、稳定裕度和扰动恢复时间。
相关主题
Contact-Rich Manipulation and Adaptive Compliance
接触密集操作中的运动—力联合学习路线：如何从示范、实时反馈、关节力矩、训练期力蒸馏、力域动作或动作后果预测获得任务相关接触表示，并在安全接触、轨迹精度、硬件成本、快速响应与控制带宽之间动态权衡。
打开主题
继续阅读
上一篇
OpenVLA: An Open-Source Vision-Language-Action Model
OpenVLA 的价值不只是开源一个 VLA 模型，而是把可训练、可微调、可部署的完整开源机器人大模型工作流真正落到了实践层面。
下一篇
Adaptive Compliance Policy: Learning Approximate Compliance for Diffusion Guided Control
ACP 把柔顺性从低层控制器里的固定超参数提升为策略需要预测的动作变量：它从单条人体示范近似标注空间与时间变化的刚度方向和幅值，再由扩散策略结合视觉、位姿和力反馈生成。真实机器人翻转与花瓶擦拭分别达到 96% 和 93.75% 总成功率，显著超过固定柔顺和刚性位置策略。最值得记住的是它把接触约束转成可学习标签，但结论依赖慢速、轻物体、非夹持接触等明确假设。