Human-Robot Shared Control for Humanized End-Effector Teleoperation

Resumen Técnico: Control Compartido Humano-Robot para la Teleoperación de Efectores Finales Humanizados

Planteamiento del Problema
A medida que los robots se despliegan cada vez más en entornos compartidos con humanos, la interacción humano-robot (HRI) efectiva se ha vuelto crítica. Las investigaciones indican que el antropomorfismo —la incorporación de rasgos similares a los humanos— mejora la confianza del usuario, la seguridad y el rendimiento de las tareas. Sin embargo, en la teleoperación de brazos robóticos, los movimientos controlados por operadores humanos mediante interfaces (por ejemplo, joysticks) a menudo carecen de características cinemáticas humanas naturales. Esta desviación surge de la interacción indirecta, desajustes en el espacio de la tarea y retrasos en la comunicación. El desafío central abordado por este trabajo es cómo lograr un movimiento similar al humano en tiempo real durante la teleoperación, preservando estrictamente las entradas de control pretendidas por el operador.

Metodología
Los autores proponen un marco de control compartido en tiempo real diseñado para antropomorfizar las trayectorias del efector final sin anular la intención del operador. El sistema opera en un brazo robótico Dobot CR10 de 6 grados de libertad y utiliza la Ley de la Potencia de Dos Tercios, un principio biológico que establece que la velocidad tangencial ($v$) es inversamente proporcional a la raíz cúbica de la curvatura de la trayectoria ($C$), expresada como $v(t) = k \cdot C(t)^{-1/3}$.

La arquitectura consta de tres etapas principales:

1. Previsión de Curvatura (Curvature Lookahead): El sistema recibe comandos de velocidad del usuario ($V_i$) y estima la curvatura esperada ($\hat{C}_i$) de la trayectoria prevista. Esto se logra mediante la diferenciación numérica de la velocidad de entrada para estimar la aceleración, seguido de un filtrado de Media Móvil Exponencial (EMA) para reducir el ruido. La curvatura se calcula utilizando el producto vectorial de los vectores de velocidad y aceleración.
2. Modulación de Control Compartido: En lugar de ejecutar la velocidad bruta del usuario, el controlador genera un comando de velocidad "humanizado" ($v_h$). El marco reemplaza el factor de ganancia estándar ($k$) en la ley de potencia con la magnitud de la velocidad de entrada instantánea del usuario ($|V_i(t)|$). Esto asegura que el operador mantenga la autoridad total de control sobre la velocidad y la dirección del movimiento, mientras que el sistema impone la relación cinemática donde la velocidad disminuye en giros de alta curvatura (agudos) y aumenta en segmentos de baja curvatura (suaves).
3. Ejecución: La señal de velocidad modulada se escala según las especificaciones de hardware del robot y se convierte en velocidades articulares mediante la pseudoinversa amortiguada de la matriz Jacobiana para accionar el brazo robótico.

Contribuciones Clave

• Marco de Control Compartido en Tiempo Real: El artículo introduce una arquitectura novedosa que integra un modelo cinemático del movimiento de la mano humana en la teleoperación, equilibrando la intención del operador con las restricciones de movimiento biológico.
• Preservación de la Intención del Operador: A diferencia de otros métodos de control compartido que se centran en la evitación de obstáculos o en primitivas de habilidades predefinidas, este enfoque permite la ejecución de movimientos arbitrarios mientras impone perfiles cinemáticos similares a los humanos.
• Sin Necesidad de Aprendizaje Previo: El método se basa en la Ley de la Potencia de Dos Tercios analítica en lugar de modelos basados en datos, lo que elimina la necesidad de recolectar demostraciones o realizar un reentrenamiento continuo.
• Implementación de Código Abierto: Los autores han liberado el código para facilitar la investigación posterior en teleoperación antropomórfica.

Resultados Experimentales
El marco fue validado mediante experimentos en el mundo real que involucraron trayectorias planas (elipses, figuras en ocho, caminos sinusoidales y caminos arbitrarios). El rendimiento se evaluó frente a la teleoperación directa convencional utilizando tres métricas:

1. Similitud Humana (Human-Likeness): Medida por la desviación del exponente de la ley de potencia estimado ($\beta$) respecto al valor teórico de $-1/3$. El método propuesto redujo esta desviación en un promedio del 39.7%, con un 80% de los patrones de movimiento mostrando una mejora estadísticamente significativa.
2. Suavidad del Movimiento: Cuantificada mediante las Tasas de Par (Torque) Pico y RMS. El método propuesto logró una mejora aproximada del 34% en la suavidad del movimiento (reducción de la tasa de par RMS), con un 80% de los patrones mostrando una mejora significativa.
3. Rendimiento de la Tarea: Los tiempos de finalización se mantuvieron comparables a la teleoperación tradicional (dentro de un $\pm 2\%$), demostrando que el suavizado del movimiento no comprometió la eficiencia de la tarea.

Significancia y Reivindicaciones
El artículo afirma que la integración de principios cinemáticos similares a los humanos en la teleoperación mejora significativamente la "similitud humana" de los movimientos robóticos y mejora la suavidad del movimiento, aspectos críticos para construir confianza y comodidad en la HRI. Los autores enfatizan que su enfoque logra estas mejoras sin sacrificar la autoridad de control del operador ni el tiempo de finalización de la tarea. Posicionan este trabajo como un paso hacia un comportamiento robótico más intuitivo y legible, señalando que el trabajo futuro buscará extender estos principios a movimientos en 3D e incluir evaluaciones subjetivas de los usuarios. El estudio reconoce que, si bien los resultados son prometedores, los exponentes estimados no convergieron perfectamente al valor teórico debido a las limitaciones prácticas del sistema y la variabilidad de la entrada humana.