Resumen Técnico: IL-ACT para una Excavadora de 30 Toneladas

Planteamiento del Problema

El control autónomo de maquinaria hidráulica pesada, específicamente excavadoras de la clase de 30 toneladas, enfrenta desafíos significativos debido a la cinemática acoplada, los retardos de actuación y las incertidumbres del sistema. Si bien sistemas previos han demostrado optimización de trayectorias y control inverso aprendido, lograr un seguimiento robusto y de alta precisión bajo dinámicas inciertas y condiciones operativas cambiantes sigue siendo difícil. Los autores abordan la necesidad de un marco de control de movimiento que pueda gestionar el alcance de objetivos y el seguimiento de trayectorias para tales máquinas complejas, equilibrando los beneficios del aprendizaje por imitación (IL) con la robustez del control adaptativo.

Metodología: El Marco IL-ACT

El artículo propone IL-ACT (Imitation Learning with Adaptive Cartesian Tracking - Aprendizaje por Imitación con Seguimiento Cartesiano Adaptativo), un nuevo marco de control de movimiento diseñado para una excavadora hidráulica de 30 toneladas con cuatro articulaciones controladas (giro, pluma, brazo y cuchara). El sistema opera en un bucle cerrado con un periodo de control de 0.1s y consta de tres componentes primarios:

1. Política de Imitación Anclada

• Arquitectura: Una red neuronal totalmente conectada (14 entradas, 4 salidas) entrenada mediante clonación de comportamiento a partir de demostraciones de operadores.
• Estrategia de Entrenamiento: La política es preentrenada en un corpus de telemetría (15 fechas de registro) y refinada mediante supervisión cinemática. Un "maestro cinemático" reconstruye configuraciones y genera guías de postura de cinemática inversa (IK) acotadas y comandos de velocidad cartesiana.
• Mecanismo de Anclaje: Para asegurar la estabilidad y la consistencia de acción cero, la salida de la política se define como la diferencia entre la predicción de la red para el estado actual y su predicencia para un estado de anclaje de "acción cero" (donde el objetivo coincide con la pose actual y la velocidad es cero). Esto asegura que cuando el sistema está en el objetivo sin movimiento, el comando nominal sea exactamente cero.
• Observaciones: El vector de entrada incluye ángulos de articulación filtrados y causales, la posición de la punta y el vector de error respecto a un punto de condicionamiento (objetivo o punto de previsualización).

2. Seguimiento Cartesiano Adaptativo (ACT)

• Corrección de Retroalimentación: El sistema emplea un bucle de retroalimentación cartesiana que calcula el error entre las posiciones deseadas y medidas de la punta.
• Estimación de Ganancia/Sesgo: Un estimador con compuerta (gated estimator) compara las tasas de articulación medidas contra una predicción de la respuesta nominal de la planta. Estima correcciones de ganancia y sesgo para compensar desviaciones causadas por incertidumbres hidráulicas (retardo de válvulas, fricción, modulación de carga).
• Lógica de Adaptación: Las actualizaciones de las estimaciones de ganancia y sesgo están "compuertas" basadas en niveles de excitación (para evitar la adaptación durante condiciones de baja señal o saturación) y banderas de intervención.
• Integración: El comando final es una combinación de la salida nominal de IL, la velocidad de retroalimentación cartesiana (mapeada al espacio de articulaciones mediante un Jacobiano amortiguado) y las correcciones estimadas de sesgo/ganancia.

3. Gobernador de Comando Compartido

• Seguridad y Factibilidad: Un gobernador de distancia de frenado restringe las referencias de articulación generadas para asegurar que la máquina pueda detenerse dentro de sus límites físicos (límites de posición, velocidad y aceleración) antes de alcanzar un objetivo.
• Admisibilidad de la Referencia: El gobernador asegura que el registro de demanda de posición permanezca dentro de la envolvente declarada. Si el gobernador detecta un estado infactible, activa una deceleración de respaldo en lugar de una parada instantánea.
• Anti-windup: El sistema utiliza integración anti-windup para el término integral en el bucle de retroalimentación para evitar la degradación del rendimiento durante la saturación.

Contribuciones Clave

Los autores identifican tres contribuciones principales:

1. Diseño de Política de Imitación Anclada: Una política coordinada de cuatro articulaciones refinada mediante agregación de datos y supervisión cinemática, que presenta un anclaje de acción cero exacto para asegurar la estabilidad.
2. Seguimiento Adaptativo con Generación de Referencia Restringida: Un marco que combina retroalimentación cartesiana y estimación de ganancia/sesgo con un gobernador de distancia de frenado compartido. El artículo proporciona un análisis teórico que establece la acotación de los estados adaptativos y la admisibilidad de las referencias generadas, condicionado a la factibilidad del gobernador.
3. Evidencia de Simulación Comparativa Exhaustiva: Evaluación extensa a través de múltiples tareas (regulación de objetivo, espiral, ocho y seguimiento de raster redondeado) y condiciones (respuesta hidráulica nominal vs. perturbada, ruido de sensor, carga adicional). El estudio incluye comparaciones contra PID ajustado, solo IL, y líneas base de Teacher+ACT, utilizando múltiples semillas de entrenamiento y estrategias de inicialización.

Resultados Experimentales

El marco fue evaluado en un entorno de alta fidelidad Simscape que simula una excavadora de 30 toneladas con perturbaciones hidráulicas (retardo de válvula, fricción, histéresis, modulación de carga).

Regulación de Objetivo (100 Objetivos Secuenciales)

• Tasa de Éxito: Tanto IL-only como IL-ACT lograron 100/100 de éxito tanto en condiciones nominales como perturbadas, mientras que PID logró 95/100 (nominal) y 86/100 (perturbada).
• Eficiencia: En comparación con Teacher+ACT, IL-ACT completa todos los objetivos con menor duración y menores errores terminales. Específicamente, IL-ACT reduce la duración en un 7.22% (nominal) y un 12.97% (perturbada) en comparación con Teacher+ACT.
• Precisión: Bajo respuesta nominal y perturbada, IL-ACT reduce el error terminal medio aproximadamente un 16.16% y un 28.39%, respectivamente, en comparación con Teacher+ACT.

Seguimiento de Trayectoria (Espiral, Ocho, Raster)

• Seguimiento de Espiral: IL-ACT superó significativamente tanto a PID como a IL-only. En presencia de perturbaciones hidráulicas, IL-ACT logró un RMSE de seguimiento cartesiano de 0.05864 mm, frente a los 12.48 mm de PID y los 2.49 mm de IL-only.
• Generalización: En un estudio ampliado que involucró 88 ejecuciones a través de tres semillas de entrenamiento y dos inicializaciones (telemetría vs. aleatoria), el IL-ACT inicializado con telemetría redujo el RMSE en todas las 24 comparaciones de semillas de ocho y raster redondeado frente a Teacher+ACT.
• Robustez ante Carga y Ruido: Bajo condiciones de espiral con carga adicional, el IL-ACT inicializado con telemetría redujo el RMSE medio aproximadamente un 29% en comparación con Teacher+ACT. Bajo realizaciones de ruido de sensor compartidas, logró un RMSE medio un 27.67% menor que Teacher+ACT.
• Impacto del Estimador: Habilitar el estimador de ganancia/sesgo redujo el RMSE medio en un 22.44% en relación con un estimador congelado en condiciones de ruido de sensor.

Significado y Reivindicaciones

El artículo afirma que IL-ACT integra con éxito la eficiencia basada en datos del aprendizaje por imitación con la robustez de la teoría de control adaptativo.

• Robustez: El marco demuestra un rendimiento superior sobre el aprendizaje por imitación puro (IL-only) y las líneas base basadas en modelos (PID) en presencia de incertidumbres hidráulicas significativas y perturbaciones externas.
• Garantías Teóricas: A diferencia de muchos enfoques de aprendizaje de caja negra, los autores proporcionan un análisis que establece que los estados adaptativos y los comandos de retroalimentación cartesiana permanecen acotados, y que las referencias generadas son admisibles siempre que el gobernador sea factible.
• Aplicabilidad Práctica: Los resultados sugieren que combinar una política preentrenada con adaptación en línea y un gobernador de seguridad es un camino viable hacia el control autónomo de maquinaria pesada, ofreciendo un equilibrio entre la eficiencia de muestreo del aprendizaje y los requisitos de seguridad de la operación industrial.

Los autores mantienen la modestia respecto al alcance, señalando que estos hallazgos son específicos para las condiciones de simulación evaluadas y que los efectos de los pesos preentrenados pueden ser mixtos dependiendo de la tarea específica y la inicialización. El trabajo no pretende haber resuelto todos los aspectos de la excavación autónoma (se señala que la localización de objetivos es una etapa separada), sino que se centra en las etapas de control de movimiento y seguimiento de trayectoria.