Real-Time Safety Evaluation of Human Arm Operations Using a Wrist-Mounted IMU with PSM System

Resumen Técnico: Evaluación de Seguridad en Tiempo Real de Operaciones del Brazo Humano Mediante un IMU Montado en la Muñeca con el Sistema PSM

Planteamiento del Problema
Si bien la robótica colaborativa ha mejorado la flexibilidad en la fabricación, la seguridad sigue siendo un desafío crítico a medida que aumenta la proximidad entre el humano y el robot. Los estándares de seguridad industrial actuales se basan principalmente en salvaguardas conservadoras del espacio de trabajo y restricciones por parte del robot (por ejemplo, límites de velocidad, distancias de separación). Sin embargo, estas estrategias no cuantifican directamente la calidad, la regularidad o el control del propio movimiento del operador humano. En las celdas colaborativas, el comportamiento humano depende altamente de la tarea y puede volverse irregular o peligroso debido a la fatiga, la distracción o las operaciones apresuradas. La literatura existente se centra intensamente en la predicción del movimiento del robot y la evitación de colisiones, mientras que el uso de sensores inerciales vestibles como un evaluador de seguridad continuo a nivel de la muñeca para la fabricación colaborativa permanece poco explorado. Existe una necesidad específica de una métrica de seguridad compacta e interpretable derivada directamente de los datos de movimiento vestibles sin requerir la instrumentación completa del espacio de trabajo.

Metodología
El artículo propone una adaptación de la muñeca específica del Modelo de Seguridad Predictiva (PSM, por sus siglas en inglés), formulado originalmente para el movimiento de la parte superior del cuerpo, adaptado para tareas de fabricación colaborativa. La arquitectura del sistema consta de tres componentes principales:

1. Detección y Adquisición de Datos: Una Unidad de Medición Inercial (IMU) BNO055 se monta en la muñeca del operador. Proporciona estimaciones de orientación fusionadas y mediciones de velocidad angular. El sistema opera sobre un flujo de datos de tiempo discreto filtrado (20 Hz) para suprimir el ruido preservando al mismo tiempo la dinámica relevante de la tarea.
2. Modelo de Seguridad Predictiva (PSM): El núcleo del método es un modelo de péndulo de masa-amortiguador-resorte reducido. A diferencia de la formulación completa del torso superior, esta versión está ajustada para la cinemática de la muñeca y el antebrazo con parámetros efectivos específicos: una masa del brazo de 2 kg, una longitud de péndulo de 0.2 m y un radio de base de 0.25 m. El modelo genera un "movimiento de referencia seguro y consistente con la tarea" basado en un espacio de estados reducido definido por una coordenada angular referenciada por la gravedad ($\theta_g$) y la magnitud de la velocidad angular ($\omega$).
3. Pipeline de Evaluación de Seguridad:
   • Mapa de Probabilidad: Se construye un mapa de probabilidad específico de la tarea a partir de ensayos registrados, mapeando el estado reducido $(\theta_g, \omega)$ a verosimilitudes empíricas. Las regiones de alta probabilidad representan movimientos regulares y repetibles, mientras que las regiones de baja probabilidad indican irregularidad.
   • Predicción en Línea: En tiempo real, el sistema consulta la vecindad de probabilidad local para determinar la continuación de movimiento más probable y segura, y propaga el PSM para obtener un estado seguro predicho.
   • Índice de Seguridad Inspirado en la Impedancia: El sistema calcula la discrepancia entre el movimiento medido por la IMU y la predicción del PSM en el dominio del tiempo. Se calcula una métrica de error normalizada inspirada en la impedancia ($e_{imp}$) fusionando el error de orientación ($e_\theta$) y el error de velocidad angular ($e_\omega$).
   • Estrategias de Ponderación: Se probaron dos casos de ponderación: "prioridad de posición" (0.6 orientación, 0.4 velocidad) y "prioridad de velocidad" (0.4 orientación, 0.6 velocidad). Los autores plantean la hipótesis de que la prioridad de velocidad es más estable para las IMU montadas en la muñeca, que suelen ser más robustas ante cambios de velocidad a corto plazo que ante la deriva en la orientación absoluta.
   • Clasificación: El nivel de seguridad se clasifica como seguro, precaución o tipo inseguro basándose en umbrales empíricos ($\epsilon_s = 0.15$, $\epsilon_c = 0.25$) derivados de ejecuciones controladas frente a irregulares.
   • Línea Base Offline: Se retiene un indicador de error espectral (análisis en el dominio de la frecuencia) como una línea base comparativa offline para validar los resultados en el dominio del tiempo.

Contribuciones Clave

• Adaptación Específica de PSM para la Muñeca: El artículo adapta el Modelo de Seguridad Predictiva de masa-amortiguador-resorte específicamente para los movimientos de la muñeca y el antebrazo relevantes para la fabricación, diferenciándose de las formulaciones previas de la parte superior del cuerpo.
• Pipeline de Evaluación en Tiempo Real: Un pipeline autóno que mapea el movimiento de la muñeca a un modelo de referencia seguro probabilístico y calcula la seguridad a partir de las desviaciones de orientación y velocidad angular sin requerir la estimación de todo el cuerpo.
• Índice de Seguridad Inspirado en la Impedancia: La introducción de una métrica de seguridad en el dominio del tiempo que aborda las limitaciones de depender únicamente de indicadores del dominio de la frecuencia para la evaluación en línea.
• Validación Experimental: Validación a través de tres tareas manuales representativas: atornillado con una herramienta manual, inspección visual y pick-and-place (recogida y colocación).

Resultados
El estudio fue validado mediante 18 ensayos de tareas con cinco participantes. Cada tarea incluyó ejecuciones controladas, nominales y deliberadamente irregulares (similares a peligrosas).

• Separación de Tipos de Movimiento: Los resultados demostraron una clara separación entre los movimientos controlados y los movimientos deliberadamente irregulares en las tres tareas. Los movimientos irregulares (caracterizados por reversiones abruptas, sobreimpulsos y tiempos inconsistentes) produjeron consistentemente valores de error más altos.
• Ponderación de Velocidad vs. Posición: La ponderación de prioridad de velocidad ($P^*=0.4, D^*=0.6$) resultó ser más estable y efectiva para la evaluación en línea que la ponderación de prioridad de posición. Los datos indicaron que el comportamiento tipo peligroso se manifiesta de manera más consistente a través de la irregularidad temporal y las acciones correctivas abruptas (errores de velocidad angular) que a través de grandes desplazaciones de orientación absoluta.
• Desempeño de la Métrica: El puntaje inspirado en la impedancia mostró una separación más clara en la tendencia central entre las clases segura e insegura en comparación con el puntaje basado en la frecuencia. Aunque las tareas de pick-and-place generaron puntuaciones de seguridad absoluta más altas debido a su envolvente de movimiento más amplia, todas las tareas mantuvieron separaciones distintas entre seguro e inseguro.
• Umbrales: En el conjunto de datos probado, las operaciones controladas generalmente se mantuvieron por debajo del umbral de seguridad ($\epsilon_s = 0.15$), mientras que los eventos irregulares cruzaron consistentemente el umbral de precaución ($\epsilon_c = 0.25$).

Significancia y Reivindicaciones
Los autores posicionan este trabajo como una validación de prueba de concepto más que como un estudio a escala poblacional. La principal significancia radica en demostrar que un sensor de muñeca ligero, combinado con un modelo predictivo interpretable, puede proporcionar información de seguridad útil para celdas de trabajo de colaboración humano-robot.

El artículo afirma que:

1. Una IMU montada en la muñeca puede servir eficazmente como un evaluador de seguridad continuo sin instrumentar todo el espacio de trabajo.
2. La irregularidad temporal en el movimiento de la muñeca es un indicador más confiable de riesgos potenciales de seguridad que la desviación de la orientación absoluta por sí sola.
3. El marco propuesto ofrece una extensión práctica del enfoque PSM, haciéndolo directamente aplicable a tareas de colaboración humano-robot mediante una formulación reducida y específica para la muñeca.

Los autores declaran explícitamente que los umbrales reportados son puntos de operación empíricos específicos para las tareas y el conjunto de datos probados, no límites de seguridad universales. Se identifica como trabajo futuro la necesidad de una validación con mayor número de participantes, la selección de umbrales adaptables a la tarea y la comparación con otros enfoques de monitoreo en tiempo real.