Resumen Técnico: Control de Asimilación de Intención para Seguimiento Preciso con Impedancia Variable en Teleoperación

1. Planteamiento del Problema

Los sistemas de teleoperación suelen depender de una fuerza tipo resorte para arrastrar a un robot seguidor hacia la posición de un líder. Este enfoque tradicional presenta una compensación fundamental:

• Baja Rigidez: Garantiza seguridad al interactuar con objetos delicados o humanos, pero resulta en una pobre precisión de seguimiento, especialmente durante movimientos dinámicos.
• Alta Rigidez: Garantiza un seguimiento preciso pero plantea riesgos de seguridad en entornos compartidos y puede causar inestabilidad o efectos de "latigazo" cuando el operador cambia la impedancia rápidamente.

Las soluciones existentes de vanguardia, como el Control de Impedancia Teleoperada (TIC), intentan resolver esto estimando la impedancia del brazo del operador (mediante EMG o fuerza de agarre) y ajustando la impedancia del seguidor a la misma. Sin embargo, TIC sigue transmitiendo la posición actual del líder como objetivo. En consecuencia, si la impedancia del seguidor es baja (complaciente), no puede seguir la trayectoria del líder con precisión a menos que el operador mantenga una rigidez física alta (co-contracción), lo cual es fatigoso e insostenible. Por el contrario, si el seguidor es rígido, corre el riesgo de dañar el entorno.

El problema central abordado es cómo permitir que un robot seguidor siga con precisión el movimiento de un líder mientras se permite al operador modular libremente la impedancia del seguidor de baja a alta, sin comprometer el rendimiento del seguimiento ni la seguridad.

2. Metodología: Control de Asimilación de Intención (IAC)

Los autores proponen el Control de Asimilación de Intención (IAC), una estrategia que desacopla la precisión del seguimiento de la impedancia instantánea del seguidor.

Concepto Central

A diferencia de los métodos tradicionales que transmiten la posición actual del líder ($x_l$) al seguidor, IAC estima la posición objetivo ($\tau_l$) del líder basándose en la fuerza aplicada por el operador y transmite este objetivo estimado al seguidor. El seguidor rastrea entonces este objetivo virtual ($\tau^*$) en lugar del estado instantáneo del líder.

Arquitectura de Control

1. Estimación de Objetivo: El seguidor estima la trayectoria deseada por el operador ($\tau^*$) observando la fuerza aplicada al robot líder. Esto se modela utilizando un modelo interno donde la trayectoria objetivo es una función del tiempo (por ejemplo, posición fija o velocidad lineal).
2. Observación de Estado: Se emplea un filtro de Kalman para estimar el vector de estado extendido, que incluye la posición y velocidad del robot, los parámetros de la trayectoria objetivo y la entrada de control del líder. El observador minimiza el error entre el estado estimado y el estado medido (posición, velocidad y fuerza).
3. Ley de Control: El controlador del seguidor se diseña como:
   $$u = -L_1(x - \tau^*) - L_2(\dot{x} - \dot{\tau}^*)$$
   Donde $L_1$ y $L_2$ son las ganancias de rigidez y amortiguamiento del seguidor. Dado que el objetivo $\tau^*$ es una estimación de la trayectoria intencionada y no de la posición actual, las ganancias $L_1$ y $L_2$ no necesitan ser altas para lograr la convergencia. Pueden establecerse bajas para seguridad o modularse dinámicamente.
4. Modulación de Impedancia: El operador controla la magnitud de la impedancia del seguidor mediante su fuerza de agarre de potencia, que se correlaciona linealmente con la rigidez del extremo del brazo. Esto permite el ajuste en tiempo real de la complacencia del seguidor.
5. Estabilidad: Para prevenir la inestabilidad al aumentar rápidamente la rigidez (un problema conocido en el control de impedancia), la tasa de aumento de la rigidez se restringe utilizando una condición derivada de Kronander y Billard (2016), asegurando que el sistema permanezca estable incluso durante transiciones rápidas.

Dinámica del Sistema

El artículo modela los robots líder y seguidor utilizando dinámicas de cuerpo rígido estándar. El controlador del seguidor compensa sus propias dinámicas para igualar las dinámicas del líder, creando efectivamente un sistema "igualado" donde el seguidor imita el comportamiento del líder si las entradas de control son idénticas.

3. Contribuciones Clave

• Estrategia de Control Novel: Introducción de IAC, que cambia el paradigma de control de seguir la posición actual del líder a seguir una posición objetivo estimada derivada de la intención del operador.
• Desacoplamiento de Precisión e Impedancia: Demostración de que se puede mantener una alta precisión de seguimiento incluso cuando la impedancia del seguidor es baja, superando las limitaciones de TIC.
• Validación Experimental: Una comparación exhaustiva entre IAC y TIC en cuatro escenarios experimentales distintos:
  1. Seguimiento Libre: Movimiento multieje con impedancia variable.
  2. Interacción Suave: Interacción con un globo para probar seguridad y complacencia.
  3. Perno en Orificio: Una tarea de precisión que requiere alta complacencia para la alineación pero seguimiento preciso para la inserción.
  4. Pulido Bilateral: Tarea de retroalimentación de fuerza donde el operador modula la impedancia mediante la fuerza de agarre.

4. Resultados Experimentales

El estudio utilizó dos manipuladores Franka Emika de 7 DOF con un retraso de comunicación de 100 ms para tareas unilaterales y 0 ms para tareas bilaterales.

• Seguimiento Libre:

  • TIC: El error de seguimiento aumentó drásticamente cuando la impedancia cayó por debajo de 400 N/m. Con baja rigidez (80 N/m), los errores superaron los 20 cm. La alta rigidez causó "latigazo" (aceleración/desaceleración rápida) cuando el operador aumentó la impedancia.
  • IAC: Mantuvo el error de seguimiento por debajo de 10 cm (oscilando alrededor de 5 cm) en todo el rango de impedancia (80–1320 N/m). No se observó latigazo.
  • Cuantitativo: IAC redujo el error de seguimiento en un factor de 2.21 en comparación con TIC en el rango probado.

• Interacción con Globo:

  • TIC: Incluso con una ganancia alta (300 N/m), el seguidor no logró seguir con precisión en el espacio libre y reventó el globo al entrar en contacto debido a un pobre control de complacencia.
  • IAC: Con una ganancia baja (60 N/m), el seguidor rastreó al líder con precisión en el espacio libre e interactuó suavemente con el globo, evitando su rotura.

• Perno en Orificio:

  • Participantes: 8 usuarios inexpertos.
  • Tasa de Éxito: IAC logró una tasa de éxito del 88% dentro de 20 segundos, en comparación con el 50% de TIC ($p=0.02$).
  • Tiempo de Completado: Los ensayos exitosos con IAC tomaron significativamente menos tiempo (10.0s vs. 17.0s para TIC, $p<0.001$).
  • Mecanismo: La mejora fue impulsada principalmente por la fase de inserción. IAC permitió que la orientación del seguidor respondiera correctamente a los ajustes rotacionales del líder, permitiendo a los usuarios "sacudir" el perno para liberarlo de atascos. TIC no logró transmitir estas correcciones rotacionales de manera efectiva cuando el seguidor era complaciente.

• Pulido Bilateral:

  • IAC mantuvo con éxito un bajo error de seguimiento en el plano x-y incluso cuando el operador moduló la impedancia mediante la fuerza de agarre.
  • La retroalimentación de fuerza se reflejó con precisión al líder en ambas modalidades, confirmando una operación bilateral estable.

5. Significado y Afirmaciones

El artículo afirma que IAC proporciona un nivel sin precedentes de control sobre la posición y la impedancia del seguidor durante la teleoperación unilateral y bilateral.

• Seguridad y Precisión: IAC resuelve la compensación tradicional, permitiendo interacciones seguras de baja rigidez sin sacrificar la precisión del seguimiento.
• Libertad del Usuario: Los operadores pueden modular la impedancia según los requisitos de la tarea (por ejemplo, baja rigidez para pulir, alta para taladrar) sin necesidad de co-contraer físicamente los músculos para mantener la precisión.
• Robustez: El método es robusto a los retrasos de comunicación (probado a 100 ms) y no requiere algoritmos complejos de pasividad para la estabilidad en las configuraciones probadas.
• Practicidad: Al utilizar la fuerza de agarre de potencia para estimar la impedancia, el sistema evita el ruido y las dificultades de calibración asociadas con los métodos basados en EMG, haciéndolo más práctico para su implementación en el mundo real.

Los autores concluyen que IAC permite a los robots replicar con precisión el movimiento humano mientras otorgan al usuario la libertad de adaptar la impedancia al entorno, una capacidad que TIC no puede lograr sin comprometer ya sea la seguridad o el rendimiento.