精读笔记

Problem Setting

论文标题：Nonrepetitive-Path Iterative Learning and Control for Human-Guided Robotic Operations on Unknown Surfaces（IEEE Transactions on Robotics / 2025）。

这篇论文不是在解决一般的力控问题，而是在解决“接触任务中的迭代学习如何在路径不重复时仍然成立”。目标场景是再制造/打磨/抛光：机器人需要在未知表面上维持期望法向力，同时学习几何、刚度和工具姿态；人类操作者不是给一次完整示教后退出，而是在过程中监督并偶发干预，使每轮轨迹可能缺段、偏移或只覆盖局部。

真正困难点是数据对齐。传统 ILC 依赖同一时间索引对应同一物理状态，sILC 则依赖同一路径坐标对应同一空间位置；但人类干预破坏了这两个条件。若仍按时间或固定路径更新，缺失区域会被错误地当作零观测或错误观测，导致学习不稳定。该任务的关键矛盾是：工业接触操作天然需要重复学习，但监督式 HRC 又天然破坏重复性。

Motivation

已有路线的缺口很明确：直接力控可以即时响应，但在未知曲面、高刚度或慢响应商用协作臂上容易滞后、丢接触、法向力波动大；阻抗/导纳类方法可缓和接触，但通常不能精确学习可复用的表面模型；ML/RL/GP 类方法能学几何或刚度，但计算和数据需求更重，不适合每个再制造件都高度变化的低批量场景；ILC 低成本且适合多遍加工，但要求重复过程。

作者的核心观察是：接触任务里真正不变的不是时间序列，也不是操作者走过的路径，而是局部表面区域的几何、刚度和法向关系。只要把学习对象改成“空间子区域上的局部属性”，路径是否重复就不再是根本要求。缺的不是一个更强的低层力控器，而是一个能在随机缺失访问下保持空间记忆一致性的迭代学习组织方式。

Core Idea

NRP-ILC 的核心是把未知表面离散成虚拟网格，并把每个子区域当作一个可迭代更新的 memory cell。机器人每次经过某个子区域，就把该区域内的力、位置、力矩、姿态数据通过加权平均投影到该 cell；如果某轮没有访问该区域，就保留上一轮的 virtual information，而不是填零或强行更新。于是迭代学习从“整条轨迹同步更新”变成“局部区域异步更新”。

这个建模方式改变了 ILC 的归纳偏置：从 trajectory-periodic bias 变成 spatially stationary bias。只要表面在空间上静态、每个区域未来有非零访问概率，局部误差就可以通过多次访问逐步下降。和 prior 的本质区别不在于力控更新律有多新，而在于它重新组织了信息流：传感数据先被映射到空间索引，再驱动控制参考、刚度估计和姿态参考更新。这使方法对路径随机性更鲁棒，也让同一个框架能承载多个接触相关变量。

Method

1. 空间子区域域：它解决的是非重复路径下的数据对齐问题。时间序列被投影到网格索引，局部区域成为学习单元。核心变化是把重复性要求从“路径重复”降级为“局部环境属性不变”。

2. WARF 投影：它解决的是连续采样数据和离散子区域状态之间的桥接问题。给靠近子区域中心的数据更高权重，本质上是在减少边界混叠和姿态/力突变对局部估计的污染。它是工程上必要的，但不是理论创新核心。

3. virtual information：这是方法最关键的机制。未访问区域不填零，而是沿用上一轮估计，使缺失访问不会向学习器注入伪误差。它把随机缺失访问转化为异步坐标更新问题。

4. 力控更新：通过力误差调整该区域的 z 参考。它依赖弹性接触模型中位置和法向力的局部线性关系，本质是用 learned set-point deformation 实现期望接触力。

5. 刚度估计：用相邻迭代中的力差和位移差做递推估计。它解决的是同一局部区域材料/接触刚度未知的问题，但准确性强依赖足够的激励、低噪声位置估计和弹性假设。

6. 姿态适应：用接触力矩作为法向误差的代理，迭代调整工具姿态。它避免直接从几何重建求法向，从而减少几何估计误差传递；但摩擦/滚动阻力会污染力矩，实验中需要额外校正，说明该部分对接触模型较敏感。

Key Insight / Why It Works

最重要的 insight 是：非重复 HRC 接触任务中的可学习结构不是轨迹，而是空间局部不变量。NRP-ILC 有效不是因为低层控制器更强，而是因为它找到了正确的 memory key——用子区域索引去索引高度参考、刚度和姿态，而不是用时间或路径进度。

它本质上属于 better inductive bias + memory reuse，而不是 scaling。没有大模型、没有复杂优化，也没有大量数据训练；性能来自把稀疏、异步、缺失的访问转化为局部记忆的累积更新。可以把它看成 contact-rich robotics 里的 tabular spatial cache：每访问一次某个 cell，就用物理模型做一次局部校正。

核心贡献最可能是 virtual information + probabilistic visitation 的组合。前者避免缺失区域破坏更新，后者给出只要 q(i)>0 就能收敛的理论直觉。相比之下，WARF、PD/导纳低层控制、RLS 形式刚度估计都更像必要工程组件或已有思想重组。

理论成立的关键是局部线性/单调关系：z 参考改变会导致可预测的力变化，姿态误差会导致可预测的力矩，刚度可由力-位移差识别。只要这些关系在每个子区域内近似稳定，异步更新就能像坐标下降一样逐步减小局部误差。反过来，一旦材料去除、强摩擦、粘弹性、接触点滑移或机器人位置误差主导，这套收敛解释会迅速变弱。

需要直接指出：论文的理论证明有一定理想化。q(i) 在实验中没有真正估计，刚度估计里噪声项和期望推导也较简化，位置噪声对高刚度环境的影响只是事后讨论。增益来源不清，很多稳定性实际可能来自保守增益、低速运动、小面积表面和足够迭代，而不是理论条件完整覆盖了真实系统。

Relation To Prior Work

最接近的谱系是 ILC / spatial ILC / set-point deformation impedance control，以及作者自己的 MILC。NRP-ILC 可以看作 MILC 的异步缺失访问版本：MILC 假设每轮访问所有网格，NRP-ILC 放松为部分随机访问，并用 virtual information 保持全局状态连续。

和传统 ILC 的本质差异是索引变量变了：传统 ILC 学时间函数，sILC 学路径坐标函数，NRP-ILC 学空间区域函数。这个差异在 HRC 中很实质，因为人类干预破坏的是轨迹，但不一定破坏表面局部属性。

看似新的部分中，刚度估计仍是 RLS/adaptive identification 思想，姿态适应仍是基于力矩的法向对齐，力控仍是基于接触模型的参考变形；这些单独看都不是新问题。实质创新在于把三类变量统一放入同一个非重复路径的空间迭代框架，并处理未访问区域的数据缺失。

相对 ML/GP/RL 几何-刚度学习，这篇更像模型驱动、小数据、在线局部记忆方法。它牺牲了连续泛化能力和复杂表面表达能力，换取低计算、可解释和真实机器人可部署性。

Dataset / Evaluation

评估由仿真、MILC 对比、Kinova Gen3 真机实验组成，覆盖柔性 TPU 曲面和刚性汽车尾灯两类表面。它确实验证了核心 claim 的一部分：在路径被人为打断、部分子区域缺失的情况下，NRP-ILC 比要求完整遍历的 MILC 更稳；在真实机器人上，多轮迭代能改善法向力、姿态和刚度估计。

但评估范围仍偏窄。表面区域很小，几何基本可表示为高度场，运动速度低，接触以准静态为主，网格人工设定，任务没有真正进入材料去除闭环。所谓“unknown surface”更接近未知高度/刚度图，而不是复杂 3D 物体上的任意接触规划。

DFC 对比有意义但不是完全强 baseline。商用协作臂直接力控响应慢，NRP-ILC 通过多轮记忆获得优势是预期结果；这证明它适合重复加工，但不能说明单次在线适应能力强。实验支持“多遍重复接触下可学习”，不充分支持“广义未知环境下鲁棒自主操作”。

Limitation

1. 空间静态假设很强。几何、刚度、法向都被假设为子区域内时间不变；但真实打磨/抛光会改变表面形貌和材料状态，这会把学习目标本身变成 moving target。

2. 访问概率是隐藏前提。理论要求每个子区域 q(i)>0，且收敛速度直接受 q(i) 影响；但真实人类干预可能长期跳过某些区域。文中未充分说明如何在线估计 q(i)，实验还将 q(i) 简化为 1，这使理论与真实非重复路径之间存在缺口。

3. 网格分辨率决定上限。方法不是连续表面学习，而是 tabular spatial learning。网格太粗会平均掉曲率和局部刚度变化，太细会增加访问稀疏性、噪声敏感性和迭代次数。scalability 不是计算瓶颈，而是覆盖率和分辨率瓶颈。

4. 高刚度环境下噪声放大。位置误差乘以刚度会直接变成力误差，刚度估计也会被力/位移差分噪声放大。论文自己也观察到刚性尾灯上误差更大；这不是小问题，而是接触模型的固有限制。

5. 姿态更新对摩擦和接触模型敏感。Experiment I 需要手工建模 resistive torque 才能校正力矩，这说明力矩并不纯粹反映法向误差。若换工具、换材料、换速度，这个校正可能需要重新标定。

6. 初始迭代可能高接触力。方法依赖初始参考足够接近表面，但未知高刚度表面上初期探索有安全风险。作者提出未来用可变阻抗缓解，说明当前框架把安全探索问题转移到了初始化过程。

7. 增益归因不清。理论给出收敛条件，但实际增益如何选、是否自适应、对不同刚度/访问概率/噪声的鲁棒范围，文中未充分说明。部分性能可能主要来自低速、小范围和保守 tuning。

Takeaway

• 1. 对接触迭代学习而言，最值得迁移的思想是“把可重复性从轨迹层转移到环境局部属性层”。
• 这对人机协作、手术触诊、表面检测、在线校准等非严格重复任务都很有启发。
• 2. NRP-ILC 推动的不是更复杂的控制器，而是更合适的信息组织方式：空间记忆 + 异步局部更新 + 缺失观测保持。
• 这类机制在机器人中可能比端到端学习更容易落地。

一句话总结

这篇论文把 ILC 从重复轨迹学习推进到基于空间子区域记忆的异步接触学习，是一种面向监督式人机协作接触任务的低计算、模型驱动、非重复路径迭代控制框架。