SoFFT: Spatial Fourier Transform for Modeling Continuum Soft Robots

Resumen Técnico: SoFFT: Transformada de Fourier Espacial para el Modelado de Robots Blandos Continuos

Planteamiento del Problema
Los Robots Blandos Continuos (CSRs), construidos a partir de materiales flexibles, poseen teóricamente infinitos Grados de Libertad (DoFs), lo que ofrece una alta adaptabilidad en entornos no estructurados. Sin embargo, esta dimensionalidad infinita complica el diseño de controladores y la simulación. Aunque la Teoría de Varillas de Cosserat (CRT) proporciona un marco efectivo para modelar CSRs como curvas variables en el tiempo (espinas dorsales) mediante Ecuaciones Diferenciales Parciales (PDE), la implementación práctica requiere una discretización espacial para reducir los DoFs. Los métodos existentes, como Curvatura Constante por Partes (PCC), Deformación Constante por Partes (PCS) y Deformación Geométricamente Variable (GVS), dependen de elecciones heurísticas respecto al número de segmentos o a la selección de bases funcionales (por ejemplo, polinomios, funciones trigonométricas). Estos enfoques a menudo carecen de una justificación teórica unificada para seleccionar la base óptima o determinar el número mínimo de segmentos necesario para equilibrar la precisión y la eficiencia computacional. Además, los métodos de reducción basados en datos, como la Descomposición Ortogonal Propia (POD), suelen acoplar todos los modos de deformación, lo que puede oscurecer la dinámica específica de cada modo y generar problemas de escalado.

Metodología
Los autores proponen "SoFFT", un marco que trata la espina dorsal del CSR como una señal espacial y aplica la Transformada de Fourier (FT) para analizar su deformación. La metodología central incluye:

1. Formulación de Señal Espacial: El campo de deformación $\xi(s, t)$ se trata como una señal definida sobre el espacio $s \in [0, L]$. Se define la Transformada de Fourier Espacial Continua (SFT) para mapear el campo de deformación al dominio de la frecuencia espacial (número de onda $k$).
2. Análisis en el Dominio de la Frecuencia: El artículo reinterpreta las ecuaciones de estática y dinámica de la CRT dentro del dominio de la frecuencia espacial. Esto revela que la matriz de rigidez actúa como un filtro convolutivo sobre el campo de deformación. Los autores demuestran que las técnicas de discretización existentes (por ejemplo, PCS, Deformación Afín por Partes) pueden interpretarse matemáticamente como reconstructores de señales específicos (por ejemplo, Retención de Orden Cero, Retención de Orden Primero) en el dominio de la frecuencia.
3. Extracción de Espectro Basada en Datos: Se propone una metodología novedosa para extraer la base de modelado óptima directamente de datos experimentales sin conocimiento previo de los parámetros físicos. Esto implica:
   • Sensorización: Medición de muestras de deformación a lo largo del robot.
   • Motor Babbling: Aplicación de señales de excitación estándar (escalón, chirrido, ruido blanco) a los actuadores para explorar el espacio de trabajo.
   • Análisis Espectral: Cálculo de la Transformada de Fourier Espacio-Temporal (STFT) para identificar armónicos espaciales dominantes ($k_{max}$) y características dinámicas (resonancia/antirresonancia).
   • Selección de Base: Uso del algoritmo Basis Pursuit Denoising (BPD) para seleccionar un conjunto disperso de funciones base óptimas de un diccionario predefinido (polinomios, funciones trigonométricas) que reconstruya mejor el campo de deformación mientras minimiza los DoFs.
4. Criterios de Truncamiento: Se define un índice de truncamiento basado en la energía para determinar el número mínimo de segmentos o funciones base requeridos, asegurando que la energía retenida cumpla con un umbral de precisión específico.

Contribuciones Clave

• Marco Unificado: El artículo unifica las estrategias existentes de modelado de CSRs (PCC, PCS, GVS) bajo un único marco CRT interpretándolas como problemas de reconstrucción de señales espaciales.
• Justificación Teórica: Proporciona una base teórica para métodos heurísticos, como la determinación del número mínimo de segmentos requerido para una longitud de robot y un perfil de deformación dados, basándose en el teorema de Nyquist-Shannon aplicado a señales espaciales.
• Análisis Específico por Modo: A diferencia de la POD, que deriva una base acoplada para todos los modos, el enfoque FT propuesto trata los modos de deformación (flexión, torsión, cizalladura, estiramiento) de forma independiente, evitando problemas de escalado y permitiendo un truncamiento específico por modo.
• Modelado Basado en Datos: La introducción de un flujo de trabajo basado en datos que utiliza STFT y BPD para identificar bases funcionales óptimas y reducir el orden del modelo basándose en datos experimentales, independientemente de los parámetros físicos del robot.
• Validación: El enfoque se valida mediante simulaciones numéricas (utilizando la caja de herramientas SoRoSim) y experimentos en el mundo real sobre un prototipo de Soporte H equipado con un sistema de captura de movimiento.

Resultados

• Validación Numérica: Las simulaciones en robots de Soporte H cilíndricos y cónicos demostraron que la STFT captura eficazmente los picos de resonancia y antirresonancia. El análisis reveló que la elección de la base funcional influye significativamente en la distribución de la energía de deformación a través de los armónicos espaciales. Por ejemplo, las bases polinomiales distribuyen la energía inversamente proporcional al orden del armónico, mientras que las bases de Fourier concentran la energía en armónicos específicos.
• Validación Experimental: Los experimentos en un prototipo físico confirmaron la capacidad del método para reconstruir la forma de la espina dorsal con alta precisión. Utilizando BPD con un diccionario mixto de bases polinomiales y trigonométricas, el modelo logró un Error Cuadrático Medio (MSE) comparable al modelo de orden completo mientras reducía los DoFs (por ejemplo, reduciendo de 30 a 24 DoFs con un umbral de truncamiento del 1%).
• Robustez ante Perturbaciones: El método identificó con éxito nuevos armónicos espaciales (en el rango de 6–8 $m^{-1}$) inducidos por fuerzas impulsivas externas, demostrando su capacidad para modelar interacciones de contacto y deformaciones no uniformes.
• Análisis de Error: Se encontró que los errores de posición y orientación aumentan a lo largo de la longitud del robot debido a la propagación de errores en la cinemática directa, pero se mantuvieron dentro de límites aceptables (por ejemplo, < 5% de la longitud del robot para el error de posición con un 5% de truncamiento).

Significado y Afirmaciones
El artículo afirma que el marco SoFFT ofrece una representación compacta y eficiente de la deformación de CSR aprovechando las propiedades espectrales del campo de deformación. Afirma que este enfoque:

• Unifica estrategias de modelado dispares bajo un lenguaje matemático común.
• Proporciona una alternativa rigurosa y basada en datos a la selección heurística de modelos, equilibrando precisión y eficiencia computacional.
• Facilita la identificación de funciones base óptimas que capturan los comportamientos dinámicos y estáticos específicos del robot, incluidos los efectos de la dinámica del actuador y las fuerzas externas.
• No reemplaza las PDE de la CRT, sino que explota la información espectral para optimizar la base dentro del marco GVS.

Los autores concluyen que, si bien la implementación actual es principalmente fuera de línea, la eficiencia computacional de la Transformada Rápida de Fourier (FFT) sugiere potencial para futuras aplicaciones en tiempo real, como control basado en modelos o basado en aprendizaje y adaptación en tiempo real a condiciones ambientales cambiantes.