Multi-sensor dataset of a tendon-driven continuum robot in dynamic motion

Problematica
La ricerca sulla robotica continua ha fatto passi da gigante nella modellazione, nel controllo e nell'apprendimento, tuttavia il campo manca di dataset multi-modali curati che permettano un confronto sistematico e la riproducibilità. A differenza di settori adiacenti come la guida autonoma (KITTI) o la robotica aerea (EuRoC MAV), che utilizzano dataset condivisi per testare le prestazioni degli algoritmi, la robotica continua si affida pesantemente a prototipi personalizzati con sensori specifici di laboratorio, in condizioni difficili da riprodurre. I dataset pubblici esistenti, come quelli per i robot a tubi concentrici, spesso omettono le misurazioni della forza, i regimi di moto dinamico e le interazioni di contatto. Questa scarsità crea un collo di bottiglia per la validazione dei modelli dinamici, lo studio della coerenza forza-cinematica e l'analisi del comportamento di contatto nei sistemi a tendini.

Metodologia
Gli autori presentano un dataset multi-sensore raccolto da un robot continuo a tendini (TDCR) a singolo segmento sottoposto a movimenti quasi-statici, dinamici e basati sul contatto. La piattaforma sperimentale consiste in uno scheletro tubolare in NiTi con nove dischi distanziatori e quattro tendini antagonisti, montato su una struttura a sbalzo rigida.

L'acquisizione dei dati integra sei modalità di rilevamento sincronizzate:

1. Motion Capture Ottico: Traccia le pose a 6 gradi di libertà (6-DoF) di cinque dischi lungo lo scheletro e di una bacchetta di contatto.
2. Rilevamento della Deformazione Distribuito: Utilizza un sensore a reticolo di Bragg in fibra (FBG) per misurare la curvatura e ricostruire la forma 3D dello scheletro.
3. Tensione dei Tendini: Misurata tramite indicatori di forza digitali montati su pulegge di reindirizzamento.
4. Spostamento dei Tendini: Derivato dagli encoder dell'albero motore.
5. Wrench alla Base: Un sensore di forza/coppia a sei assi misura le forze di reazione alla base del robot.
6. Wrench di Contatto: Un sensore di forza/coppia a sei assi su una bacchetta strumentata misura le forze di interazione (solo per il Subset 3).

Il dataset è organizzato in tre subset distinti:

• Subset 1 (Quasi-statico): Configurazioni a regime stazionario con tensioni dei tendini note per l'identificazione dei parametri meccanici e la validazione del modello statico.
• Subset 2 (Dinamico): Cinque tipi di traiettoria (scansioni planari, stella, circolare, Lissajous) eseguite a due velocità di attuazione per coprire una gamma di regimi dinamici per metodi di stima dello stato e di apprendimento.
• Subset 3 (Contatto): Movimenti dinamici con misurazioni simultanee di forza di contatto e posa per la modellazione del contatto e la stima della forza.

L'elaborazione dei dati prevede il filtraggio passa-basso (15 Hz), il ricampionamento uniforme (100 Hz) e l'allineamento temporale. I registri dei sensori grezzi e i dati elaborati sono forniti con la denominazione delle variabili documentata.

Contributi Chiave

• Dataset Multi-Modale: Il rilascio di un dataset sincronizzato che copre cinematica (posa, forma, spostamento) e dinamica (tensione, wrench alla base, wrench di contatto) per un robot continuo a tendini.
• Scenari Comprensivi: Inclusione di scenari quasi-statici, dinamici e di interazione di contatto, colmando una lacuna nella letteratura esistente dove i dati di forza e contatto sono spesso assenti.
• Riproducibilità Aperta: La piattaforma robotica è assemblata con componenti disponibili commercialmente con un design completamente documentato, consentendo ad altri gruppi di replicare la configurazione. Tutti gli script di acquisizione ed elaborazione sono rilasciati insieme ai dati.
• Caratterizzazione della Qualità dei Dati: Il dataset include la validazione cross-modale, come la correlazione incrociata a coppie degli stream dei sensori e i controlli di coerenza tra forza e cinematica, per garantire la coerenza interna.

Risultati e Validazione Tecnica
Gli autori hanno eseguito un'estesa validazione tecnica per verificare la qualità dei dati:

• Coerenza Cinematica: La validazione incrociata tra OptiTrack e la posizione della punta ricostruita dal sensore FBG ha mostrato errori quadratici medi (RMSE) inferiori a 11 mm (1,4–4,0% dell'intervallo di movimento) attraverso le traiettorie dinamiche.
• Coerenza Geometrica: Il confronto tra lo spostamento del tendine derivato dagli encoder e la ricostruzione geometrica basata sul motion-capture ha prodotto RMSE inferiori a 4,2 mm (<3,6% dell'intervallo).
• Coerenza della Forza: Le misurazioni del wrench di contatto sono state validate rispetto alle misurazioni del wrench alla base tramite trasformazione di corpo rigido, mostrando un accordo stretto nelle componenti di forza.
• Coerenza Modello-Dati: Una simulazione di dinamica diretta (approccio Geometric Variable Strain) utilizzando le tensioni misurate dei tendini ha predetto le coppie alla base che corrispondevano ai valori misurati con RMSE generalmente inferiori a 0,04 N m per le traiettorie veloci, confermando la coerenza interna delle registrazioni di forza e cinematica.
• Allineamento Temporale: L'analisi di correlazione incrociata ha confermato che gli stream dei sensori sono allineati entro i limiti di jitter di scheduling del sistema operativo, con un ritardo sistemico della pipeline di circa 13,4 ms identificato e corretto per il sensore FBG.

Significatività
L'articolo sostiene che questo dataset fornisce un terreno sperimentale comune per accelerare il benchmarking riproducibile tra i modelli competitivi, i metodi di stima dello stato e i metodi basati sull'apprendimento nella robotica continua. Offrendo misurazioni documentate e sincronizzate degli stati cinematici e di forza più rilevanti, il dataset mira a supportare confronti sistematici che erano precedentemente ostacolati dalla mancanza di dati aperti e multi-modali. Gli autori posizionano questo lavoro come un passo verso il superamento del divario tra la robotica continua e gli altri campi maturi della robotica che utilizzano dataset condivisi per guidare il progresso algoritmico.

Limitazioni
Gli autori notano che il dataset è limitato a una singola morfologia robotica e a una configurazione di montaggio. I dati elaborati sono filtrati passa-basso a 15 Hz, il che li rende inadatti allo studio di transitori ad alta frequenza sopra tale soglia. Gli scenari di contatto sono limitati alle interazioni con una bacchetta rigida strumentata lungo una traiettoria planare, escludendo contatti morbidi o multipunto.