Task-Space Singularity Avoidance for Control Affine Systems Using Control Barrier Functions

A continuación presento un resumen técnico detallado del artículo "Task-Space Singularity Avoidance for Control Affine Systems Using Control Barrier Functions" (Evitación de Singularidades en el Espacio de Tareas para Sistemas Control-Afin usando Funciones de Barrera de Control), traducido y sintetizado al español.

---

Resumen Técnico

1. Planteamiento del Problema

En sistemas robóticos y dinámicos, especialmente en aplicaciones críticas para la seguridad, es fundamental mantener la capacidad de generar fuerzas y torques necesarios para seguir trayectorias deseadas. Sin embargo, muchos sistemas enfrentan configuraciones donde el mapeo de las entradas de control a los movimientos en el espacio de tareas pierde rango (pérdida de rango). Estas configuraciones se conocen como singularidades cinemáticas.

• Consecuencias de las singularidades:
  • La matriz de control o de actuación se vuelve mal condicionada (ill-conditioned).
  • El sistema pierde la capacidad de generar fuerzas en direcciones deseadas simultáneamente.
  • Los controladores que dependen de la inversión de matrices (como la pseudoinversa de la Jacobiana) generan entradas de control abruptas y de gran magnitud ("picos" o spikes) cerca de estas configuraciones.
  • Esto provoca inestabilidad, degradación del rendimiento y riesgos de seguridad.

El desafío principal es evitar estas regiones singulares manteniendo el seguimiento de la trayectoria deseada con la mínima desviación posible, sin depender de métodos que carezcan de garantías formales de seguridad.

2. Metodología Propuesta

Los autores proponen un marco basado en Funciones de Barrera de Control (CBF) para sistemas control-afines. La metodología se estructura en tres pilares principales:

A. Identificación de Singularidades
En lugar de analizar directamente la Jacobiana, el método define una matriz de mapeo entrada-salida dependiente del estado, $\phi(x) = J(x)g(x)$.

• Una configuración es singular cuando $\phi(x)$ pierde rango.
• Para detectar esto, se analizan los valores propios de la matriz $M(x) = \phi(x)\phi(x)^T$ (o $\phi(x)^T\phi(x)$ si es necesario).
• Los valores propios de $M(x)$ corresponden a los cuadrados de los valores singulares de $\phi(x)$. Una singularidad ocurre cuando el valor propio más pequeño se acerca a cero.

B. Construcción de la Función de Barrera (CBF)
Se define un conjunto seguro $C$ donde los valores propios de $M(x)$ permanecen por encima de un margen positivo $\epsilon$.

• Función candidata: $h_i(x) = \lambda_i(x) - \epsilon$, donde $\lambda_i(x)$ es el $i$-ésimo valor propio.
• Condiciones de seguridad: Se garantiza que el sistema permanezca en el conjunto seguro si se cumple una condición de derivada de Lie: $\dot{h}(x) \geq -\alpha(h(x))$.
• Teorema de Viabilidad: Se demuestra teóricamente que, bajo ciertas condiciones (que el gradiente de la función de barrera no sea ortogonal a la dinámica de control o que el término de deriva natural sea seguro), existe una entrada de control que mantiene la seguridad.

C. Formulación del Problema de Optimización (QP)
Para aplicar esto en tiempo real, se formula un Programa Cuadrático (QP) que minimiza la desviación de la entrada de control nominal ($v(x)$) mientras satisface la restricción de seguridad:
$$\min_u \frac{1}{2} (u - v(x))^T Q(x) (u - v(x))$$
$$\text{sujeto a: } L_f h(x) + L_g h(x) u \geq -\alpha(h(x))$$
Donde $Q(x)$ se diseña para asegurar la convexidad, incluso en sistemas sobrealimentados (over-actuated), añadiendo términos de regularización si es necesario.

D. Enfoques Analítico y Numérico

• Enfoque Analítico: Derivación explícita de las condiciones para sistemas simples (ej. manipuladores de 2 enlaces).
• Enfoque Numérico: Para sistemas complejos donde la solución analítica de los valores propios es intratable, se utiliza una aproximación numérica. Se identifican regiones inseguras mediante descomposición SVD, se generan nubes de puntos y se modelan como obstáculos virtuales 3D (usando formas alfa) para reformular el problema como una tarea de evitación de obstáculos estándar.

3. Contribuciones Clave

1. Marco Unificado: Se presenta un marco teórico aplicable a sistemas subactuados, totalmente actuados y sobrealimentados para evitar singularidades en el espacio de tareas.
2. Garantías Formales: A diferencia de métodos de optimización heurística o rediseño de hardware, este enfoque ofrece garantías matemáticas de seguridad (invarianza hacia adelante del conjunto seguro).
3. Doble Implementación: Se proponen tanto métodos analíticos (para sistemas con derivadas cerradas) como métodos numéricos basados en geometría computacional (para sistemas complejos), haciendo la técnica escalable.
4. Minimización de Desviación: El controlador ajusta las entradas de control solo lo necesario para evitar la singularidad, manteniendo el seguimiento de la trayectoria de referencia.

4. Resultados y Validación

El método se validó mediante simulaciones en dos casos de estudio distintos:

• Caso 1: Manipulador Planar de 2 Enlaces

  • Escenario: El brazo intenta moverse hacia una configuración donde las articulaciones se alinean (singularidad).
  • Resultado: Sin CBF, el controlador produce picos de velocidad en las articulaciones de hasta 100 veces mayores. Con el CBF, el sistema evita la singularidad modificando ligeramente los ángulos articulares, logrando trayectorias suaves y reduciendo los picos de control en un 70x a 100x.

• Caso 2: Agujas Actuadas Magnéticamente (Cirugía de Suturas)

  • Escenario: Control de una aguja magnética en un entorno médico con 4 electroimanes, evitando configuraciones donde la matriz de actuación pierde rango.
  • Resultado: La aguja sigue una trayectoria de sutura compleja. Al acercarse a regiones singulares, el controlador modifica la orientación de la aguja (desviándose del ángulo de referencia) para mantener la capacidad de control, sin perder los puntos de penetración.
  • Métricas: Error de posición RMS de 0.99 mm, error de orientación RMS de 0.65 rad, y corrientes máximas de 4 A. La trayectoria en el espacio de configuración confirma que la aguja nunca entra en el conjunto singular (representado en verde).

5. Significado e Impacto

Este trabajo es significativo porque aborda un problema fundamental en el control robótico: la pérdida de controlabilidad en configuraciones críticas.

• Seguridad: Proporciona una solución formal para evitar fallos catastróficos en aplicaciones médicas y robóticas donde la estabilidad es vital.
• Eficiencia: Elimina la necesidad de rediseñar hardware o usar conmutación híbrida compleja, utilizando únicamente algoritmos de control en tiempo real.
• Generalización: Al ofrecer tanto una solución analítica como una numérica basada en obstáculos, el método es aplicable a una amplia gama de sistemas dinámicos, desde brazos robóticos simples hasta sistemas de micro-robotica médica complejos.

En conclusión, el marco CBF propuesto permite que los sistemas dinámicos operen cerca de sus límites físicos sin entrar en configuraciones singulares, asegurando un control suave, estable y seguro.