FWBC-VLA: Force-Aware Whole-Body Compensation for Contact-Rich Loco-Manipulation

系统先用 200 Hz 的本体感知和测得力矩预测自由运动时本应出现的关节力矩，取二者之差作为外部交互的代理变量。这个六维残差分成两条路径：一条压缩为接触强度及其变化，利用短历史条件化 15 Hz 的 π0.5 动作专家；另一条保留方向，经雅可比和坐标变换得到机身负载代理，结合 IMU 与名义底盘指令生成有界速度修正。最终由下游 WBC 负责平衡与底层追踪。

单纯依赖历史预测自由力矩，可能把持续压门或擦板的外力也学成“正常状态”；单纯依赖当前状态，又较难平滑自由运动中的噪声。HSR-Force 用历史专家和不读取力矩历史的状态专家互补，通过固定残差门控切换偏重。策略侧只需要知道接触如何演化，补偿侧则还需要力的方向和机身偏移，因此本文刻意保留两种不同的信息表示，而非把一个标量当作完整物理状态。

• 1. HSR-Force：先扣掉机器人自身运动，再判断外部接触
  论文式 (1) 把观测力矩写为：
  
  τ_meas = τ_free + τ_ext + ε
  
  自由运动力矩包含自身惯性、重力和内部动力学；剩余项既可能含环境交互，也可能含未建模误差。训练尽量使用无接触运动窗口，能获得阶段标注时，屏蔽持续接触和接触过渡帧。这个训练分布控制十分关键，否则模型可能把任务所需的持续负载学走。
  
  两位专家输出自由力矩估计后，状态分支的残差决定固定门控：
  
  r_state = τ_meas − τ̂_free,state；α = G_fixed(||r_state||₂)

τ̂_free = (1−α)τ̂_free,hist + ατ̂_free,state；τ̂_ext,raw = τ_meas − τ̂_free
  
  无接触时偏重历史专家的平滑性；交互增强时偏重状态专家，降低历史分支把持续加载当作自由动力学的风险。两分支和门控都属于同一条 200 Hz 估计链，并不存在另一个慢速估计器。这里的固定门控，与后面动作专家中学习得到的 force-presence gate 是不同部件。
  
  解读判断： 这是对残差观测器的学习化工程改造。它仍依赖平台力矩读数和训练分布质量；温漂、摩擦变化、载荷变化或不熟悉的身体动作，也可能产生类似接触的残差。
• 2. 接触表示：强度与趋势给策略，方向给身体
  动作策略读取：
  
  s = ||τ̂_ext,raw||₂；Δs_t = s_t − s_(t−1)；d_int = [s, Δs]ᵀ

s 是六关节残差力矩的范数，不是单位为牛顿的真实末端力；Δs 是相邻采样差分，也不是除以时间间隔后的物理导数。它们表达“受力增强、持续或减弱”的代理信息，其尺度会随估计器和采样配置变化。取范数会丢失方向，因此不能依赖这两个通道区分所有推拉方向或接触位置。
  
  方向补偿路径继续保留原始六维关节残差，利用阻尼最小二乘雅可比逆映射到末端等效 wrench，再换算到机身原点；变换包含力臂引起的力矩。机身负载不是机身独立测量值，而是从机械臂残差推导出的另一坐标表达。论文正文提到 Appendix，但这份 9 页 v2 PDF 未附相应附录，未据此补造具体阻尼参数或实现细节。
• 3. 力如何进入 π0.5：60 毫秒短历史与动作侧晚融合
  每次 VLA 查询只取时间戳不晚于当前时刻的最近 13 帧。200 Hz 的采样间隔为 5 ms，因此从第一帧到第十三帧跨 12 个间隔，即 60 ms。这是部署时可获得的过去信息；论文中的 causal 主要指这种时间因果性，不代表模型已经完成对接触来源的因果辨识。
  
  13×2 的序列经过归一化和 GRU，生成宽度为 1024 的交互 token。正文用符号表示 token 数量，未明确给出其具体值，不能从示意图中的两个小块断言输出恰好两个 token。
  
  动作隐状态作为 query，force token 作为 key/value，执行：
  
  Z̃_action = Z_action + α_f · g · CA(Z_action, Z_force)
  
  其中 g_t 是学习到的力存在门，α_f 控制残差幅度。融合发生在 Gemma 动作专家最终隐状态到单一输出投影之间，输出 flow velocity，进而生成手臂、夹爪和名义底盘动作块。GRU 仅编码交互历史，不是另一个动作解码器。力没有经过视觉骨干，但预训练 VLA 仍然进行全参数微调；“不改视觉输入路径”不等于“冻结视觉模型”。
  
  这一设计无需额外接触分类或阶段预测损失。短历史适合近时接触转变，不能当成长时任务记忆；动作块长度 H、实际执行多长后重规划，以及总时延，正文未提供足够细节。
• 4. BC：在 VLA 外部学习底盘速度修正
  补偿器结合机械臂推导的机身负载、IMU 姿态与角速度、名义底盘动作。夹爪状态和接触描述用于判断补偿是否与任务交互有关；姿态参考来自近期自由运动。MLP 输出三个修正量：Δvx、Δvy、Δωz。
  
  训练目标是有力支持时实际执行的底盘指令与任务层名义指令之差，采用 L1 回归：
  
  r_base,* = u_base,exec − u_base,nom
  
  部署时先限幅再叠加：
  
  r_base = r_max ⊙ tanh(r̄_base)；u_base = u_base,nom + r_base
  
  随后还有滤波、变化率与剩余执行空间约束。这避免一个学习模块无限放大底盘动作，但并不构成形式化稳定性证明；补偿置零后恢复的是名义控制路径，也不是必然停止机器人。补偿器的独立更新频率、门控阈值、各轴最大修正和示范中名义／执行指令的详细生成流程，需要代码或补充材料进一步确认。
• 5. 数据采集与监督边界
  平台是 DeepRobotics M20S 轮足四足机器人，搭载 CM1 六自由度机械臂、一自由度夹爪和三台 RealSense D435i。对照方法在各任务上使用相同 WL&Arm 数据微调 50K 步，统一相机、机器人状态和 16 维动作输出；π0.5 是全参数微调，而非只训练力编码器。
  
  WL&Arm 的主要任务比例为取放瓶子 41%、擦白板 25%、开门 21%；这些任务约占 87%，不能把整套 5,000 多条数据全部视为强接触示范。基于 Pico 的混合力—位置遥操作记录切向、法向力意图，并用作采集时前馈支持。
  
  作者明确说明：力意图标注只用于数据元信息和检查，不作为估计器、VLA 或补偿器的输入，以避免把操作者的期望力当成机器人自己测到的真实接触。已知负载标定为 0.36 kg 和 0.72 kg，对应 3.53 N、7.06 N；“无需部署力传感器”不能推导成完全不需要物理标定或带力参考的评估数据。