Resumen Técnico: Mejora de la Interacción Física Humano-Robot mediante Sensación Táctil Intrínseca del Robot

Declaración del Problema

La Interacción Física Humano-Robot (pHRI) tiene como objetivo facilitar una colaboración natural y segura entre humanos y robots. Sin embargo, los enfoques actuales suelen depender de sensores táctiles externos (por ejemplo, piel electrónica o sensores de fuerza/torque montados en la brida) para detectar y clasificar el contacto. Estas adiciones externas aumentan la complejidad del sistema, el costo y el volumen mecánico, mientras que a menudo carecen de la durabilidad y flexibilidad necesarias para una integración perfecta. Además, los robots colaborativos existentes ya poseen capacidades de detección intrínsecas, específicamente sensores de torque en las articulaciones, que típicamente se subutilizan para tareas más allá de la detección simple de contacto o la evitación de colisiones. Este estudio aborda la pregunta de si estos sensores intrínsecos son suficientes para permitir interacciones ricas e intuitivas, como el reconocimiento de dígitos escritos a mano por un usuario, sin la necesidad de hardware externo especializado.

Metodología

Arquitectura del Sistema y Recolección de Datos

El sistema propuesto utiliza un robot colaborativo de siete grados de libertad (KUKA LBR iiwa 14 R820) equipado con sensores de torque en el lado de la articulación de cada junta. Los usuarios interactúan con un panel táctil sin instrumentación (un cuadrado de plexiglás montado en la brida del robot) deslizando sus dedos para dibujar dígitos (0–9).

• Sensores: El sistema captura las señales intrínsecas de torque de la articulación ($\tau_{ext}$) y calcula las Fuerzas ($F_{ext}$) y Momentos ($M_{ext}$) del Efecto Final mediante la Jacobiana.
• Preprocesamiento: Para abordar las desviaciones de señal causadas por las variaciones en las posturas del robot y las presiones de contacto, se emplea una técnica de ventana deslizante para la corrección de la línea base en tiempo real.
• Segmentación: Los eventos de contacto se aíslan mediante un enfoque basado en umbrales en el torque de la junta 2 o la fuerza en el eje z. Las señales segmentadas se re-muestrean a una longitud fija de 100 muestras para garantizar la consistencia a pesar de las variaciones en la velocidad de dibujo y la latencia de comunicación.

Estrategia de Aumento de Datos

Para mejorar la robustez frente a las variaciones en el comportamiento del usuario (dirección de escritura invertida y orientaciones rotadas), se desarrolló una técnica de aumento de datos:

• Dígitos Invertidos: La trayectoria geométrica se invierte utilizando un operador de inversión temporal ($T$), y los signos de componentes específicos de fuerza y momento se invierten para tener en cuenta el cambio en la distribución y dirección de la presión de los dedos.
• Dígitos Rotados: Las fuerzas y momentos se transforman utilizando una matriz de rotación $R_z(\theta)$ correspondiente al ángulo de rotación del dígito en el panel táctil.

Modelo de Clasificación

Se emplea una red de Memoria a Corto Plazo Bidireccional (Bi-LSTM) para clasificar los datos de series temporales. La arquitectura bidireccional permite a la red capturar dependencias temporales tanto de movimientos anteriores como posteriores, lo cual es crítico para reconocer la forma de un dígito basándose en la trayectoria completa del contacto.

Diseño Experimental

Se realizaron experimentos para evaluar:

1. Rendimiento de Referencia: Comparación de conjuntos de datos de entrenamiento de un solo usuario frente a múltiples usuarios.
2. Generalización: Prueba del modelo en usuarios que no participaron en la fase de entrenamiento.
3. Robustez de Postura: Evaluación del rendimiento en 10 posturas del robot seleccionadas aleatoriamente.
4. Eficacia del Aumento: Evaluación de la capacidad del sistema para clasificar dígitos invertidos y rotados.
5. Aplicación en el Mundo Real: Implementación de una tarea de entrega de frutas donde los usuarios seleccionan artículos dibujando los dígitos correspondientes.

Resultados Clave

Precisión de Clasificación

• Dígitos Estándar: La red Bi-LSTM logró una precisión offline cercana al 100% y una precisión en línea del 94.1% (entrenamiento multiusuario) al probarse en usuarios no involucrados en el entrenamiento, incluso con el robot en posturas variables.
• Generalización: Un modelo entrenado con un solo usuario mostró una precisión significativamente menor (45.2%) en usuarios no vistos en comparación con el modelo multiusuario (94.1%), destacando la necesidad de datos de entrenamiento diversos.
• Entradas Aumentadas:
  • Dígitos Invertidos: Lograron una precisión del 92%. La principal fuente de error fue la clasificación errónea de '8' como '3'.
  • Dígitos Rotados: Lograron una precisión aproximada del 80–86% dependiendo del ángulo de rotación (+90° o -90°). Los errores comunes ocurrieron con los dígitos '5', '1' y '7'.
  • El sistema demostró que incluso un modelo entrenado solo con dígitos estándar podía reconocer entradas ligeramente rotadas (<45°), aunque el rendimiento se degradaba con rotaciones mayores.

Análisis de Confusión

La matriz de confusión indicó que la mayoría de los errores de clasificación ocurrieron entre dígitos visual o estructuralmente similares, específicamente '0' vs. '6', '1' vs. '7' y '2' vs. '3'.

Demostración en el Mundo Real

La metodología se validó en un escenario de entrega de frutas. El sistema utilizó una Máquina de Estados Finitos Jerárquica (HFSM) para gestionar la ejecución de tareas y la seguridad. El robot proporcionó retroalimentación hablada (por ejemplo, "Veo que quieres una naranja") y requirió confirmación táctil antes de ejecutar la tarea. Los protocolos de seguridad incluían detener el movimiento al detectar contacto durante la ejecución de la tarea y reanudar mediante un gesto de doble toque.

Significado y Contribuciones

El artículo afirma las siguientes contribuciones al campo de la pHRI:

1. Viabilidad de la Detección Intrínseca: Demuestra que la detección de torque intrínseco en las articulaciones de robots colaborativos comerciales es suficiente para una clasificación de dígitos de alta precisión, eliminando la necesidad de sensores táctiles externos.
2. Conjunto de Datos Público (pHRI-DIGI-TACT): La publicación de un conjunto de datos que contiene 10 clases de dígitos táctiles escritos a mano recopilados de múltiples participantes, incluyendo torques de articulaciones de 7-DOF y fuerzas/momentos del EEF.
3. Robustez ante Variaciones: El desarrollo de un método de aumento de datos que permite el reconocimiento de dígitos invertidos y rotados sin requerir recopilación adicional de datos, aumentando así la flexibilidad del sistema.
4. Aplicación Práctica: Una demostración exitosa de una interfaz intuitiva para tareas cotidianas (entrega de frutas), mostrando potencial para asistir a usuarios inexpertos mediante interacción física natural y retroalimentación de voz.

Los autores concluyen que este enfoque ofrece una alternativa prometedora a los métodos tradicionales de pHRI, reduciendo la complejidad y el costo del sistema mientras mantiene una alta calidad de interacción. Se identifica el trabajo futuro como centrado en expandir el sistema para reconocer números de varios dígitos y dígitos dibujados con pausas o diferentes trayectorias geométricas.