Passivity-based Semi-autonomous Rotational Motion Navigation for Rigid-body Networks: Stability and Human Passivity Analysis

Technische Zusammenfassung: Passivitätsbasierte halbautonome Navigation rotatorischer Bewegungen für Netzwerke starrer Körper

Problemstellung
Während die kooperative Steuerung von Multi-Roboter-Systemen für statische Umgebungen ausgereift ist, erfordert die Gewährleistung von Stabilität in dynamischen, unstrukturierten Szenarien häufig menschliches Eingreifen. Eine erhebliche Herausforderung besteht weiterhin im Entwurf von „Mensch-im-Kreis"-Systemen für die volle dreidimensionale Bewegung starrer Körper (insbesondere die Lageregelung auf der speziellen orthogonalen Gruppe $SO(3)$). Bestehende Ansätze kämpfen oft mit Konflikten zwischen manueller und autonomer Steuerung, was die Stabilität der geschlossenen Regelkreise gefährden kann. Darüber hinaus ist es, obwohl passivitätsbasierte Methoden weit verbreitet sind, um Stabilität zu garantieren, nicht trivial, die Annahme zu validieren, dass menschliche Operatoren als passive Systeme agieren, insbesondere für die rotatorische Kinematik im 3D-Raum. Die meisten bestehenden Rahmenwerke beschränken sich auf translatorische Bewegungen oder 2D-Lagekinematik.

Methodik
Der Artikel schlägt ein neuartiges, passivitätsbasiertes Rahmenwerk zur halbautonomen Lageregelung für ein Netzwerk von $n$ starren Körpern vor, die mit einem menschlichen Operatoren interagieren. Die Methodik ist wie folgt strukturiert:

1. Systemmodellierung: Das System modelliert $n$ starre Körper mit Orientierungen $R_i \in SO(3)$. Das kollektive Verhalten wird durch einen Durchschnittsvektor $\bar{d}$ (abgeleitet von körperfesten Vektoren) und eine „Quasi-Durchschnitts"-Rotationsmatrix $\bar{R}$ charakterisiert. Der Stellgröße für jeden Körper wird in eine autonome Komponente ($\omega_{ai}$) und eine vom Menschen vermittelte Komponente ($\omega_{hi}$) zerlegt.
2. Tarnsteuerungsarchitektur: Um zu verhindern, dass die autonome Steuerung die Wahrnehmung des kollektiven Zustands durch den menschlichen Operatoren beeinträchtigt, setzen die Autoren auf „tarnende Steuerung" (stealthy control). Das autonome Steuersignal wird in den Nullraum der Durchschnittszustandsdynamik projiziert. Dies stellt sicher, dass sich der Durchschnittsvektor $\bar{d}$ ausschließlich auf Basis des menschlichen Befehls entwickelt, wodurch die autonomen Manöver für den Operatoren bezüglich des Durchschnittszustands „unsichtbar" werden.
3. Virtueller Anführer und Synchronisation: Ein virtueller Anführer mit der Lage $R_l$ wird eingeführt, um menschliche Eingriffe zu vermitteln. Der menschliche Operateur gibt eine räumliche Geschwindigkeit $\omega^s_h$ vor, um die Orientierung eines virtuellen Anführers mit einer Referenz $d_r$ zu synchronisieren. Das tatsächliche Roboternetzwerk ist über ein passivitätsbasiertes Lagensynchronisationsgesetz mit diesem virtuellen Anführer gekoppelt.
4. Stabilitätsanalyse: Die Autoren beweisen rigoros die Stabilität des geschlossenen Regelkreises unter der Annahme, dass der menschliche Operateur ein passives System ist. Sie definieren eine Energiefunktion, die die potentielle Energie der relativen Rotationen und die Energie des menschlichen Operators kombiniert. Unter Verwendung des Invarianzprinzips von LaSalle und des Satzes von Nagumo zeigen sie, dass die Systemtrajektorien gegen den gewünschten Referenzvektor $d_r$ konvergieren, sofern die anfänglichen Rotationsmatrizen spezifische Bedingungen der positiven Semidefinitheit erfüllen.
5. Menschmodellierung und Validierung: Um die theoretische Analyse zu stützen, führten die Autoren Simulationen mit Mensch-im-Kreis unter Verwendung einer Virtual-Reality-Schnittstelle (Meta Quest 3S) durch. Sie identifizierten ein kontinuierliches Transferfunktionsmodell des menschlichen Operators basierend auf experimentellen Daten, bei denen Probanden einen virtuellen Vektor an eine Referenz anpassten. Schließlich analysierten sie die Passivität dieser identifizierten Modelle unter Verwendung von Passivitätsindizes im Frequenzbereich.

Hauptbeiträge
Der Artikel skizziert drei primäre Beiträge:

1. Neuartiges Rahmenwerk: Vorschlag eines passivitätsbasierten halbautonomen Rahmenwerks zur Lageregelung speziell für Mensch-im-Kreis-Systeme starrer Körper auf $SO(3)$.
2. Rigoroser Stabilitätsbeweis: Nachweis der Stabilität des geschlossenen Regelkreises für die vorgeschlagene Architektur unter der Annahme menschlicher Passivität, wodurch frühere Arbeiten erweitert werden, die sich auf translatorische oder 2D-Kinematik beschränkten.
3. Empirische Untersuchung: Die erste Untersuchung menschlicher Passivität im Kontext der Lageregelung durch Mensch-im-Kreis-Simulationen, einschließlich der Identifizierung menschlicher Dynamiken und der Prüfung von Passivitätseigenschaften.

Ergebnisse

• Theoretisch: Der Stabilitätsbeweis bestätigt, dass, wenn der menschliche Operateur passiv ist und die Anfangsbedingungen erfüllt sind, der Durchschnittsvektor $\bar{d}$ gegen die Referenz $d_r$ konvergiert ($\lim_{t\to\infty} \|\bar{d} - d_r\| = 0$).
• Simulation und Identifikation: Ein Modell des menschlichen Operators wurde erfolgreich aus Simulationsdaten identifiziert (unter Verwendung von 12 Versuchen mit insgesamt 180 Sekunden). Das Modell, eine 2-mal-2-Transferfunktionsmatrix, erfasste das dominierende Ein-Ausgangs-Verhalten mit Anpassungsraten von etwa 51 % bis etwa 77 %, je nach Kopplungsverstärkung $k_s$.
• Passivitätsanalyse: Die Analyse der identifizierten Modelle ergab, dass menschliche Passivität empfindlich auf Systemparameter reagiert. Insbesondere erfüllte das identifizierte Modell für eine Kopplungsverstärkung $k_s = 3.0$ die Passivitätsbedingung ($\nu(\omega) \ge 0$) über das gesamte Frequenzspektrum. Für $k_s = 2.5$ wurde die Passivitätsbedingung jedoch bei Frequenzen oberhalb von etwa 2 rad/s verletzt.

Bedeutung und Behauptungen
Der Artikel beansprucht, eine kritische Lücke in der Literatur zu schließen, indem er ein Stabilitätsrahmenwerk für die volle 3D-Bewegung starrer Körper unter menschlichem Eingreifen etabliert. Die Autoren betonen, dass ihr theoretisches Rahmenwerk zwar auf der Annahme menschlicher Passivität beruht, ihre experimentellen Ergebnisse jedoch hervorheben, dass diese Annahme nicht universell garantiert ist; sie hängt stark von der Parametereinstellung ab (insbesondere der Kopplungsverstärkung $k_s$). Folglich schließt der Artikel bescheiden, dass das vorgeschlagene Rahmenwerk zwar unter idealen passiven Annahmen stabil ist, zukünftige Arbeiten jedoch das Design erweitern müssen, um „passivitätskurze" menschliche Operatoren aufzunehmen, um die Robustheit in praktischen Anwendungen zu gewährleisten. Die Arbeit wird als vorbereitender Schritt zur Lösung der umfassenderen Herausforderung der 3D-Bewegungsregelung starrer Körper in halbautonomen Netzwerken präsentiert.