Sintesi Tecnica: Collaborazione Uomo-Robot Sicura Basata su Visione con Garanzie di Incertezza

Enunciato del Problema

Mentre i robot autonomi operano sempre più in ambienti centrati sull'uomo (industria, sanità, abitazioni), garantire la sicurezza richiede una percezione accurata delle pose umane, una previsione affidabile del movimento e garanzie di sicurezza dimostrabili contro le collisioni. Gli attuali approcci alla Collaborazione Uomo-Robot (HRC) sicura affrontano tre limitazioni critiche:

1. Dipendenza da Sistemi Basati su Marcatori: I metodi provatamente sicuri fanno spesso affidamento su tracciamento basato su marcatori, il che limita la flessibilità di distribuzione.
2. Gestione Inadeguata dell'Incertezza: I metodi basati sulla visione che utilizzano telecamere RGB-D spesso assumono errori di stima massimi fissi o forniscono stime di incertezza prive di garanzie formali. Inoltre, falliscono frequentemente in modo catastrofico su input fuori distribuzione (Out-of-Distribution, OOD), un rischio non catturato dall'incertezza aleatoria standard.
3. Modelli di Movimento Conservativi: I framework di sicurezza tradizionali utilizzano modelli di movimento semplici e non basati sui dati (ad esempio, assumendo una velocità massima di 1,6 m/s in qualsiasi direzione secondo la norma ISO 13855:2010) per definire gli insiemi raggiungibili. Questi modelli sono altamente conservativi, portando a un'operazione robotica inefficiente. Al contrario, i predittori di movimento all'avanguardia mancano di stime di incertezza eteroschedastiche, propagazione dell'incertezza end-to-end e garanzie di previsione conformale.

Metodologia

Gli autori propongono un framework unificato per la stima della posa umana e la previsione del movimento basati sulla visione, che integra la stima dell'incertezza con la previsione conformale per fornire garanzie di sicurezza certificabili. La pipeline è composta da quattro fasi principali:

1. Stima della Posa 3D Consapevole dell'Incertezza

• Stima 2D: Il sistema adatta YOLO26 per produrre non solo le posizioni medie delle articolazioni 2D, ma anche la matrice di covarianza per ogni articolazione in due cornici di telecamera calibrate. Questa covarianza è derivata dalla scala della distribuzione gaussiana nel modello di regressione basato sul flusso.
• Triangolazione: Le posizioni delle articolazioni 3D sono calcolate tramite triangolazione lineare standard.
• Propagazione della Covarianza 3D: Le cross-covarianze sono stimate dalle correlazioni residue su un set di calibrazione. Le covarianze 3D finali sono ottenute tramite propagazione del primo ordine, aumentate con un termine isotropo piccolo per tenere conto degli errori sistematici di ricostruzione (ad esempio, imperfezioni di calibrazione).

2. Previsione del Movimento 3D Consapevole dell'Incertezza

• Architettura: Il modello estende l'architettura Transformer basata sulla Trasformata Discreta del Coseno (DCT). Elabora gli input di posa e covarianza lungo l'asse temporale.
• Separazione delle Frequenze: I componenti a bassa frequenza (tendenze globali lisce) e quelli ad alta frequenza (variazioni rapide e su scala fine) sono elaborati tramite percorsi dedicati Multi-Layer Perceptron (MLP) dopo il modulo di attenzione, per poi essere ricombinati tramite DCT inversa.
• Integrazione dell'Incertezza: Gli input di incertezza sono scalati da un fattore apprendibile e aggiunti alle caratteristiche di posa.
• Previsione della Covarianza: Per garantire stabilità e validità, il modello predice le matrici di covarianza utilizzando la fattorizzazione di Cholesky.
• Strategia di Addestramento: Viene impiegata un'ottimizzazione multi-fase stabile: (i) addestramento di un predittore di base deterministico, (ii) apprendimento disaccoppiato della testata di incertezza con un backbone congelato e (iii) sintonizzazione fine end-to-end con un fattore di ponderazione ($\lambda$) gradualmente ridotto per bilanciare accuratezza e calibrazione. La funzione di perdita combina la Negativa Log-Likelihood (NLL) gaussiana multivariata e una perdita di posa $L_1$.

3. Insiemi di Previsione Conformale

Per convertire le stime di incertezza in limiti di sicurezza certificabili, il framework costruisce insiemi di previsione conformale:

• Misura di Non-Conformità: Viene definito un punteggio basato sulla distanza euclidea tra le posizioni previste e quelle reali (ground-truth), normalizzata dalla radice quadrata del massimo autovalore della covarianza prevista.
• Costruzione dell'Insieme: Utilizzando un set di calibrazione, viene determinato una soglia tale per cui la vera posizione dell'articolazione cade all'interno della sfera prevista con probabilità $1-\epsilon$.
• Estensione Temporale: Per coprire il tempo continuo, il raggio della sfera di previsione è esteso di $\Delta t \cdot v_{max}$ (dove $v_{max} = 1,6$ m/s) per gli intervalli di tempo tra le previsioni discrete.
• Occupazioni Raggiungibili: Lo strumento SARA viene utilizzato per espandere queste sfere a livello di articolazione in occupazioni raggiungibili del corpo intero per la protezione di sicurezza.

4. Rilevamento e Gestione OOD

Per affrontare il fallimento dei modelli su dati non visti:

• Rilevamento: Il metodo Sketching Lanczos Uncertainty (SLU) viene applicato sia alle reti di stima della posa 2D che a quelle di previsione del movimento per rilevare input OOD. Vengono utilizzati modelli ridotti (che prevedono solo le posizioni di testa e mani) per l'efficienza.
• Degradazione Elegante: Se un input viene segnalato come OOD, la pipeline non si arresta. Invece, riutilizza la precedente previsione di movimento valida per riempire il buffer di posa. Il sistema riprende ad accettare nuove previsioni basate sull'immagine solo dopo una sequenza di $N_{req}$ osservazioni valide consecutive, prevenendo cicli di feedback di dati non validi.

Contributi Chiave

Il documento presenta un framework per HRC sicura caratterizzato da:

1. Propagazione dell'Incertezza End-to-End: Una pipeline che stima il movimento umano 3D con incertezza aleatoria eteroschedastica propagata dalla stima 2D, attraverso la triangolazione, fino alla previsione del movimento.
2. Insiemi di Previsione Conformale: La generazione di insiemi di previsione per le pose umane che offrono garanzie valide ad alta confidenza ($1-\epsilon$), direttamente integrabili con scudi di sicurezza come SARA.
3. Gestione Continua OOD: Un metodo per gestire input fuori distribuzione in un contesto di previsione continua riutilizzando previsioni valide passate, garantendo la continuità della pipeline senza fallimenti catastrofici.

Risultati Sperimentali

Il framework è stato valutato sul dataset Human3.6M e in un ambiente HRC reale con un robot Franka Emika.

• Accuratezza della Previsione: Sul benchmark Human3.6M, le prestazioni della fase 1 (deterministica) del modello hanno superato i baseline all'avanguardia (HisRep, ST-DGCN, ecc.). Tuttavia, il modello finale (con previsione di incertezza) ha mostrato un leggero aumento dell'Errore Medio per Posizione delle Articolazioni (MPJPE) rispetto alla fase 1, un compromesso per fornire stime di incertezza.
• Efficienza dell'Insieme Conformale: Rispetto al modello standard a velocità costante ISO 13855:2010, gli insiemi di previsione conformale proposti hanno raggiunto una copertura superiore (98,25% contro 97,93%) riducendo al contempo il volume dell'insieme raggiungibile previsto di un fattore 11.
• Efficacia della Gestione OOD: Nella valutazione della pipeline completa, il meccanismo proposto di gestione OOD ha ridotto il tasso di buffer di posa non validi del 36,0% (aumentando le previsioni di movimento valide) con un aumento marginale dell'MPJPE (2,6%).
• Distribuzione Reale: Integrato con lo scudo SARA, il sistema ha funzionato con successo su un robot Franka Emika. In modalità di monitoraggio di velocità e separazione, il robot si è fermato costantemente prima che l'operatore umano potesse raggiungerlo, dimostrando la fattibilità pratica delle garanzie di sicurezza certificabili.

Significato e Affermazioni

Gli autori affermano che il loro lavoro colma il divario tra la previsione del movimento basata su dati ad alta accuratezza e i rigorosi requisiti di sicurezza. Combinando la previsione conformale con il rilevamento OOD, il framework permette ai robot di operare con garanzie di sicurezza certificabili in situazioni non viste senza fare affidamento sugli assunti eccessivamente conservativi dei modelli di movimento tradizionali. La riduzione del volume di previsione di un fattore 11 suggerisce che questo approccio può migliorare significativamente l'efficienza e la fluidità del robot nei compiti collaborativi mantenendo la sicurezza. La strategia di degradazione elegante garantisce la robustezza nelle distribuzioni reali dove i dati dei sensori possono occasionalmente cadere al di fuori della distribuzione di addestramento.