From Vision to Assistance: Gaze and Vision-Enabled Adaptive Control for a Back-Support Exoskeleton

Sintesi Tecnica: Dalla Visione all'Assistenza: Controllo Adattivo Basato su Sguardo e Visione per un Esoscheletro di Supporto Lombare

Definizione del Problema
Il mal di schiena rimane un disturbo lavorativo prevalente, con gli esoscheletri attivi di supporto lombare proposti come soluzione per ridistribuire i carichi spinali. Tuttavia, l'efficacia degli esoscheletri attivi dipende criticamente dalla capacità di fornire un'assistenza tempestiva e consapevole del contesto. Le attuali strategie di controllo si affidano tipicamente a segnali reattivi dell'utente (es. IMU, EMG o coppia applicata) o a sistemi di visione statici che non informano direttamente l'anello di controllo. Questi approcci spesso mancano della capacità di percepire l'ambiente operativo, portando a un'assistenza fuori tempo che può ridurre la fiducia, il comfort e l'accettazione a lungo termine da parte dell'utente. Nello specifico, i sistemi attuali faticano a distinguere tra un utente che si china semplicemente per guardare un oggetto e un utente che lo afferra attivamente, causando ritardi nella consegna della coppia durante le fasi critiche di sollevamento.

Metodologia
Gli autori propongono un framework di controllo basato sulla visione per un esoscheletro occupazionale lombare attivo che integra la visione egocentrica con il tracciamento dello sguardo per abilitare un'assistenza consapevole del contesto. L'architettura del sistema comprende tre componenti principali:

1. Modulo di Percezione: Utilizzando una telecamera in prima persona montata su Tobii Pro Glasses 3, il sistema trasmette fotogrammi RGB e coordinate dello sguardo. Un rilevatore YOLOv9 perfezionato classifica gli oggetti come "Afferrati" (Grasped) o "Non Afferrati" (Not Grasped). Mappando la fissazione dello sguardo dell'utente sul piano dell'immagine, il sistema genera indicatori binari ($\chi^+_t$ e $\chi^-_t$) per determinare se l'utente sta fissando un oggetto afferrato. Una logica di filtraggio temporale (finestra scorrevole con rapporto di permanenza/dwell ratio) converte questi indicatori in un robusto gate di visione binario ($\mathbb{1}_{box}$), garantendo che le transizioni riflettano eventi di presa intenzionali piuttosto che fluttuazioni transitorie.

2. Macchina a Stati Finiti (FSM): La FSM governa la progressione del compito attraverso quattro stati: (0) in piedi senza una scatola, (1) chinarsi per prelevare, (2) in piedi con una scatola, e (3) chinarsi per posare. Le transizioni sono innescate da soglie di inclinazione del tronco ($\theta_{stand}$, $\theta_{bend}$) e dal gate di visione. Fondamentalmente, il gate di visione permette al sistema di attivare autonomamente la transizione dallo stato "chinarsi per prelevare" allo stato "in piedi con una scatola" (Stato 1 $\to$ 2) e di gestire il rilascio (Stato 3 $\to$ 0) in base allo stato della presa, anziché affidarsi esclusivamente alla postura.

3. Controllo di Ammettenza Variabile: Il controllore eroga la coppia assistiva ($\tau_{ass}$) tramite una legge di ammettenza. La coppia di riferimento è una somma pesata della coppia del tronco ($\tau_w$) e della coppia della scatola ($\tau_{box}$). L'inclusione di $\tau_{box}$ è regolata dal modulo di visione. Il sistema impiega una strategia di rigidità variabile, passando tra modalità "Soft" (retroguidabile, $K=0$) e "Hard" (rigida, $K \ge K_{min}$) in base alla velocità di movimento, con transizioni fluide per garantire la continuità del movimento.

Protocollo Sperimentale
Uno studio sugli utenti è stato condotto con 15 volontari sani che eseguivano prove ripetute di sollevamento di un carico con una scatola da 4 kg. Lo studio ha confrontato tre condizioni:

• EC1: Nessun esoscheletro (baseline).
• EC2: Esoscheletro con controllo basato sulla postura (senza visione).
• EC3: Esoscheletro con controllo basato sulla visione.

I partecipanti non erano a conoscenza dell'attivazione della visione in EC2 rispetto a EC3 per evitare bias. Le prestazioni sono state valutate tramite analisi oggettiva della coppia e un questionario con scala Likert a 13 item che valutava la richiesta fisica, la fluidità, la fiducia e il comfort.

Risultati Chiave

• Accuratezza della Percezione: Il rilevamento della presa basato su YOLO ha raggiunto un F1-score macro-medio del 92,35% (Precisione: 92,84%, Recall: 91,86%).
• Richiesta Fisica: L'analisi statistica (test di Friedman, $p < 0,001$) ha rivelato che la condizione con controllo basato sulla visione (EC3) ha ridotto significativamente la richiesta fisica percepita rispetto sia alla baseline senza esoscheletro che all'esoscheletro basato solo sulla postura (EC2). I punteggi di EC3 sono stati notevolmente più alti (media 3,60) rispetto a EC2 (media 2,13).
• Esperienza Utente: Per tutti i parametri soggettivi (fluidità, fiducia, comfort, comprensione reciproca), la modalità con controllo basato sulla visione ha superato significativamente la modalità basata solo sulla postura (test di Wilcoxon signed-rank, $p < 0,05$ dopo correzione di Holm). Gli effetti misurati sono stati ampi (Kendall's $W = 0,752$ per la richiesta fisica; le correlazioni di rank-biseriale erano spesso $\ge 0,80$).
• Prestazioni del Controllo: L'analisi quantitativa ha dimostrato che il controllo basato sulla visione ha permesso un'assistenza più precoce e forte. Il sistema ha ridotto il ritardo tra la presa effettiva e l'inizio della coppia, in particolare durante la transizione critica dal chinarsi al sollevamento. I partecipanti non hanno avuto bisogno di raggiungere una specifica soglia posturale per ricevere supporto, poiché il sistema anticipava il compito basandosi sull'evento di presa.

Significatività e Rivendicazioni
L'articolo sostiene che l'integrazione della visione egocentrica e del tracciamento dello sguardo nel loop di controllo di un esoscheletro lombare attivo migliora significativamente la reattività, l'ergonomia, la sicurezza e l'accettazione da parte dell'utente. Passando da un controllo puramente reattivo basato sulla postura a un'assistenza proattiva e consapevole del contesto, il framework proposto affronta la "cecità" degli attuali esoscheletri rispetto all'ambiente operativo. I risultati suggeriscono che l'assistenza basata sulla visione migliora la naturalezza della collaborazione uomo-robot, favorendo una maggiore fiducia e comfort, fattori identificati come critici per l'adozione industriale degli esoscheletri attivi.

Limitazioni e Lavoro Futuro
Gli autori riconoscono che lo studio è stato condotto in condizioni di laboratorio controllate con un singolo tipo di scatola e un peso noto. Notano che il lavoro futuro dovrà affrontare carichi variabili, potenzialmente attraverso la stima del peso online o l'adattamento dinamico. Inoltre, lo studio attuale si è concentrato sull'assistenza lombare; le iterazioni future mirano a integrare il controllo coordinato delle articolazioni lombari e dell'anca per supportare compiti diversificati come lo squat e la camminata.