Resumen Técnico: Campos Vectoriales para el Seguimiento de Trayectorias en Grupos de Lie con Aplicación en Control Robótico

Enunciado del Problema

Muchos sistemas robóticos, como vehículos aéreos omnidireccionales, robots submarinos y efectores finales de manipuladores, poseen control independiente sobre la posición y la orientación (postura). Estos sistemas operan como cuerpos rígidos en el espacio tridimensional, evolucionando sobre la variedad de configuración $SE(3)$ en lugar del espacio euclidiano. El problema central abordado es el seguimiento de trayectorias: guiar un sistema hacia una curva geométrica sin una parametrización temporal preasignada. A diferencia del seguimiento de trayectorias, el seguimiento de trayectorias desacopla las tareas espaciales de las especificaciones temporales, ofreciendo ventajas como una mayor robustez frente a perturbaciones, una convergencia más suave y un menor esfuerzo de control.

Si bien los campos vectoriales de guiado se han aplicado con éxito al seguimiento de trayectorias en el espacio euclidiano ($\mathbb{R}^n$), extender este marco a grupos de Lie como $SE(3)$ presenta desafíos. Los enfoques anteriores a menudo incrustan la variedad en un espacio euclidiano de mayor dimensión y proyectan las entradas de control de vuelta, lo que resulta en dimensiones de control redundantes (por ejemplo, 9 dimensiones para $SO(3)$ en lugar de las 3 intrínsecas). Además, los métodos existentes en variedades a menudo dependen de definiciones implícitas de curvas mediante conjuntos de nivel, lo cual puede ser inconveniente para especificar trayectorias complejas. Este artículo aborda la necesidad de un marco general e intrínseco de campos vectoriales para el seguimiento de trayectorias en grupos de Lie matriciales conexos que produzca entradas de control mínimas y no redundantes (por ejemplo, torsiones corporales) y que admita representaciones de curvas paramétricas.

Metodología

Marco Teórico

Los autores proponen una estrategia general de campos vectoriales para grupos de Lie matriciales conexos $G$. La dinámica del sistema se modela como un sistema de primer orden totalmente actuado:
$$\dot{H}(t) = S(\xi(t))H(t)$$
donde $H(t) \in G$ es el estado, $\xi(t) \in \mathbb{R}^m$ es la entrada de control (torsión generalizada) y $S$ es una aplicación lineal de $\mathbb{R}^m$ al álgebra de Lie $\mathfrak{g}$.

El campo vectorial de guiado $\Psi(H)$ se construye como la suma de dos componentes:
$$\Psi(H) = k_N(H)\xi_N(H) + k_T(H)\xi_T(H)$$

1. Componente Normal ($\xi_N$): Responsable de la convergencia hacia la curva. Se deriva del gradiente de una función de distancia.
2. Componente Tangente ($\xi_T$): Responsable de la traversía a lo largo de la curva. Se define mediante el vector tangente de la curva en el punto más cercano.

Innovaciones Matemáticas Clave

Para extender el enfoque de campos vectoriales euclidianos (específicamente de [11]) a grupos de Lie, los autores introducen operadores específicos y propiedades de distancia:

• Operadores:
  • Operador $\Xi$: Extrae el vector de velocidad del álgebra de Lie a partir de una trayectoria diferenciable en el grupo, análogo a la derivada temporal $\frac{d}{dt}$.
  • Operador $\mathcal{L}$: Análogo al operador gradiente $\nabla$ en un grupo de Lie, definido mediante el límite de derivadas direccionales a lo largo de la estructura del grupo.
• Requisitos de la Función de Distancia: El marco se basa en una función de distancia Elemento-a-Elemento (EE-) $\bar{D}$ que satisface tres propiedades críticas:
  1. Invarianza a la Izquierda: $\bar{D}(AV, AW) = \bar{D}(V, W)$. Esto asegura que las componentes normal y tangente sean ortogonales.
  2. Encadenabilidad: La distancia entre dos puntos es igual a la suma de las distancias a lo largo de una trayectoria específica que las conecta. Esta propiedad garantiza la ausencia de mínimos locales fuera de la curva objetivo.
  3. Linealidad Local: La distancia se comporta de manera lineal cerca de la trayectoria, asegurando que el gradiente (componente normal) nunca se anule fuera de la curva.

Especialización a $SE(3)$

Para el caso específico de $SE(3)$, el artículo define una clase de Grupos de Lie Exponenciales Especiales. Para estos grupos, se construye una distancia EE válida utilizando la norma de Frobenius del logaritmo matricial:
$$\bar{D}(V, W) = \| \log(V^{-1}W) \|_F$$
Esta formulación permite un algoritmo explícito y eficiente para calcular la distancia y sus derivadas, evitando el costo computacional de los cálculos generales de geodésicas. La entrada de control $\xi$ corresponde directamente a la torsión del robot (velocidades lineales y angulares), asegurando que la dimensión de la entrada coincida con los grados de libertad del sistema.

Contribuciones Clave

1. Generalización a Grupos de Lie: El artículo extiende la estrategia de campos vectoriales desde el espacio euclidiano a grupos de Lie matriciales conexos, resultando en una entrada de control no redundante que respeta la geometría intrínseca del espacio de configuración.
2. Demostraciones Formales y Propiedades de Distancia: Los autores proporcionan demostraciones formales para la convergencia y la traversía, derivando propiedades específicas (invarianza a la izquierda, encadenabilidad, linealidad local) que una función de distancia debe satisfacer para garantizar la estabilidad del campo vectorial.
3. Algoritmo Eficiente para $SE(3)$: Se desarrolla un algoritmo eficiente para implementar la estrategia en $SE(3)$, aprovechando la propiedad exponencial especial para calcular distancias y gradientes sin dimensiones redundantes.
4. Validación en el Mundo Real: El enfoque se valida mediante experimentos con un manipulador robótico Kinova Gen3 que rastrea trayectorias complejas de postura.

Resultados Experimentales

Los autores realizaron experimentos utilizando un manipulador Kinova Gen3 de 7 grados de libertad. Se asignó al efector final la tarea de rastrear una curva compleja y discretizada en $SE(3)$ que evitaba colisiones propias y límites articulares.

• Rendimiento: El sistema convergió con éxito hacia la curva deseada y la recorrió.
• Métricas: La distancia euclidiana (distancia EC) a la curva disminuyó con el tiempo, y el sistema mantuvo errores bajos de posición y orientación una vez en la trayectoria.
• Eficiencia Computacional: El cálculo del campo vectorial promedió 8.9 ms por iteración en una CPU estándar. Los autores señalan que el 99.5% de este tiempo se dedicó a resolver el problema de optimización para encontrar el punto más cercano en la curva, lo que sugiere un potencial para una mayor aceleración mediante paralelización (por ejemplo, GPUs).
• Observaciones: Se observaron desviaciones menores en el error cuando el robot operaba cerca de configuraciones singulares, requiriendo ajustes frecuentes de orientación, pero el sistema permaneció estable.

Significado y Afirmaciones

El artículo afirma ofrecer un marco unificado que integra la planificación de trayectorias, el seguimiento de trayectorias y el control para sistemas robóticos que operan en grupos de Lie. Su significado principal radica en:

• Control Intrínseco: A diferencia de los métodos que proyectan controles desde espacios de mayor dimensión, este enfoque genera entradas de control (torsiones) que son mínimas y directamente aplicables a sistemas de ingeniería.
• Flexibilidad Paramétrica: Al adoptar representaciones de curvas paramétricas en lugar de intersecciones de conjuntos de nivel, el marco acomoda curvas complejas de manera más natural, lo cual es crucial para tareas robóticas prácticas.
• Robustez: Las garantías teóricas de convergencia "casi global" (con la capacidad de escapar de conjuntos problemáticos mediante pequeñas perturbaciones) y el desacoplamiento de tareas espaciales y temporales proporcionan beneficios prácticos para la navegación en el mundo real en entornos congestionados.

Los autores concluyen que, si bien la métrica de distancia actual es específica para grupos de Lie exponenciales especiales, el marco abre vías para trabajos futuros sobre curvas variables en el tiempo, sistemas subactuados y funciones de distancia más generales. Se proporciona una implementación de código abierto para facilitar la investigación y la aplicación futuras.