Sintesi Tecnica: ActiveVital

Problematica

I robot domestici richiedono un monitoraggio affidabile e senza contatto dei segni vitali per garantire la sicurezza dell'utente e consentire un'interazione consapevole della salute. Sebbene il radar a onde millimetriche (mmWave) sia una soluzione promettente grazie alla sua sensibilità ai movimenti toracici sub-millimetrici, la sua efficacia è fondamentalmente limitata dalla geometria di osservazione. Il radar mmWave misura solo la componente radiale del movimento lungo la linea di vista. In ambienti domestici non vincolati, le orientazioni arbitrarie tra robot e umano spesso causano un disallineamento angolare, che attenua il segnale misurabile — in particolare per le componenti del battito cardiaco che presentano ampiezze estremamente piccole.

Gli approcci esistenti soffrono di due limitazioni primarie:

1. Sensing Statico: Si affida agli utenti affinché mantengano manualmente l'allineamento con un sensore fisso, il che è impraticabile per un monitoraggio a lungo termine e non invasivo.
2. Sensing Embodied per Prossimità: I robot mobili riducono la distanza dal soggetto per migliorare la forza del segnale, ma non riescono a regolare l'allineamento anatomico (angolo di osservazione). Di conseguenza, questi metodi mancano di un meccanismo a ciclo chiuso per ottimizzare l'osservabilità dei segni vitali, portando a una stima instabile del battito cardiaco quando il robot e l'umano non sono perfettamente allineati.

Metodologia: ActiveVital

Gli autori propongono ActiveVital, un framework di sensing embodied guidato dalla visione che tratta la geometria di sensing come una variabile di controllo esplicita. Il sistema riformula il monitoraggio dei segni vitali dal recupero passivo del segnale alla regolazione geometrica attiva. La pipeline consiste in tre fasi:

1. Localizzazione del Torace Guidata dalla Visione

Per stabilire un riferimento geometrico senza la cooperazione dell'utente, il sistema impiega ViTPose per rilevare i keypoint scheletrici umani (spalle e fianchi).

• Costruzione del Riferimento Toracico: Un punto di ancoraggio del torace ($P_{ref}$) viene interpolato lungo l'asse del busto tra i punti medi di spalle e fianchi.
• Bias Anatomico: La coordinata verticale è orientata verso la parte superiore del torace ($\alpha = 0.75$), e viene applicato un offset orizzontale ($\beta = 0.1$) per spostare il riferimento verso la regione adiacente al cuore, compensando l'asimmetria anatomica laterale.

2. Regolazione della Posa a Ciclo Chiuso

Il robot regola attivamente la posa del proprio sensore per allineare la linea di vista del radar con il riferimento toracico.

• Controllo Basato sull'Errore: Le deviazioni in pixel tra l'asse ottico del radar e il riferimento toracico vengono convertite in comandi di movimento.
• Mappatura Spaziale: Utilizzando le informazioni di profondità e le costanti intrinseche della camera, gli errori in pixel vengono mappati in spostamenti metrici ($\Delta L, \Delta H, \Delta D$).
• Esecuzione: Il braccio robotico orienta il radar verso un'incidenza quasi normale rispetto alla superficie toracica. Una volta allineato, il robot mantiene una posa fissa per una breve finestra temporale per acquisire i dati, garantendo la massima osservabilità radiale ($\theta \to 0$).

3. Elaborazione della Fase Vincolata dalla Geometria

Per garantire un'estrazione stabile del segnale sotto le variazioni residue di posa, il sistema impiega un modulo di potenziamento della fase differenziale:

• Unwrapping della Fase e Differenziazione: Le sequenze di fase grezze vengono sottoposte a unwrapping e a una differenziazione temporale del primo ordine per sopprimere il drift a bassa frequenza e potenziare il micro-movimento periodico.
• Soppressione Robusta degli Outlier: Un filtro di Hampel viene applicato per mitigare il rumore impulsivo, sostituendo gli outlier con le mediane locali.
• Decoupling Spettrale: La sequenza di fase raffinata viene sottoposta a FFT, seguita da smoothing gaussiano e filtraggio passa-banda FIR per separare i componenti di respirazione e battito cardiaco. La frequenza cardiaca viene stimata tramite una media ponderata sull'energia all'interno della banda cardiaca.

Contributi Chiave

1. Sensing Embodied Regolato dalla Geometria: Il documento introduce un paradigma in cui la geometria di osservazione del radar è attivamente regolata attraverso l'allineamento della posa guidato dal feedback, consentendo un sensing affidabile in configurazioni robot-umano non vincolate.
2. Regolazione della Posa Guidata dalla Visione con Estrazione del Segnale Robusta: Una pipeline che orienta il radar montato sul robot verso un'osservazione quasi assiale, integrando un modulo di potenziamento basato sulla fase per stabilizzare l'estrazione sotto variazioni di posa.
3. Validazione Cross-Paradigma: Il sistema è valutato rispetto a tre modalità di sensing (Statico, Proximity Embodied e Geometry-Aware) e tre algoritmi di elaborazione del segnale di base, dimostrando miglioramenti costanti nell'accuratezza.

Risultati Sperimentali

Il sistema è stato implementato su un robot mobile Galaxea R1 Lite dotato di un radar FMCW a 60 GHz e una camera RGB-D. Gli esperimenti sono stati condotti in un ambiente interno controllato con partecipanti seduti.

Metriche di Prestazione (Errore Assoluto Medio - MAE):

• Intervallo di Respirazione (BI): ActiveVital ha ridotto l'errore da 0.87 s (Proximity Embodied) a 0.14 s, raggiungendo un'accuratezza comparabile al Sensing Statico (0.15 s).
• Frequenza Cardiaca (HR): ActiveVital ha ridotto l'errore da 13.59 bpm (Proximity Embodied) a 2.22 bpm. Sebbene il Sensing Statico abbia ottenuto l'errore più basso (1.66 bpm), esso richiedeva l'allineamento manuale dell'utente. ActiveVital ha ottenuto prestazioni comparabili senza richiedere la cooperazione del soggetto.

Analisi Comparativa:

• Vs. Sensing per Prossimità: ActiveVital ha superato significativamente gli approcci basati sulla prossimità, che soffrivano di errori elevati a causa del disallineamento che attenuava il segnale cardiaco.
• Vs. Sensing Statico: ActiveVital ha raggiunto un'accuratezza simile al sensing statico, ma con il vantaggio critico dell'autonomia, eliminando la necessità per l'utente di mantenere posture specifiche.
• Robustezza dell'Algoritmo: Testato contro gli algoritmi di base (Second-Order DE, Band-pass Filter, Scattering Model), l'approccio di ActiveVital, consapevole della geometria, ha mantenuto una stabilità superiore al deteriorarsi delle condizioni geometriche, mostrando il minor degrado delle prestazioni nella stima della frequenza cardiaca.

Significato e Rivendicazioni

Il documento afferma che la posa di sensing è una variabile controllabile per il monitoraggio fisiologico non a contatto robusto. Regolando attivamente la posa del robot per ottenere un allineamento quasi assiale con la superficie toracica, ActiveVital massimizza la proiezione radiale del micro-movimento cardiopulmonare.

Gli autori sostengono che questo approccio:

• Permette il monitoraggio senza contatto in ambienti domestici reali senza l'uso di dispositivi indossabili o infrastrutture pre-installate.
• Fornisce una stima dei segni vitali autonoma che è robusta alle variazioni di postura dell'utente, a differenza dei sistemi statici che dipendono dalla cooperazione dell'utente.
• Dimostra che il sensing embodied consapevole della geometria è essenziale per catturare i deboli segnali cardiaci, offrendo una soluzione laddove il tradizionale sensing mobile basato sulla prossimità fallisce.

Il lavoro posiziona ActiveVital come una funzione opportunistica per robot domestici polivalenti, colmando il divario tra l'esecuzione di compiti e il monitoraggio continuo della salute.