Real-Time Safety Evaluation of Human Arm Operations Using a Wrist-Mounted IMU with PSM System

Resumo Técnico: Avaliação de Segurança em Tempo Real de Operações do Braço Humano Usando um IMU Montado no Pulso com o Sistema PSM

Definição do Problema
Embora a robótica colaborativa tenha aumentado a flexibilidade na manufatura, a segurança continua sendo um desafio crítico à medida que a proximidade entre humano e robô aumenta. Os padrões de segurança industrial atuais baseiam-se principalmente em salvaguardas conservadoras de espaço de trabalho e restrições do lado do robô (ex: limites de velocidade, distâncias de separação). No entanto, essas estratégias não quantificam diretamente a qualidade, a regularidade ou o controle do próprio movimento do operador humano. Em células colaborativas, o comportamento humano é altamente dependente da tarefa e pode tornar-se irregular ou perigoso devido à fadiga, distração ou operações apressadas. A literatura existente foca pesadamente na predição de movimento do robô e na prevenção de colisões, enquanto o uso de sensores inerciais vestíveis como um avaliador de segurança contínuo ao nível do pulso para manufatura colaborativa permanece subexplorado. Existe uma necessidade específica de uma métrica de segurança compacta e interpretável derivada diretamente de dados de movimento vestíveis, sem a necessidade de instrumentação total do espaço de trabalho.

Metodologia
O artigo propõe uma adaptação do Modelo de Segurança Preditiva (PSM), originalmente formulado para o movimento da parte superior do corpo, adaptada para o pulso e ajustada para tarefas de manufatura colaborativa. A arquitetura do sistema consiste em três componentes principais:

1. Sensoriamento e Aquisição de Dados: Um IMU (Unidade de Medição Inercial) BNO055 é montado no pulso do operador. Ele fornece estimativas de orientação fundidas e medições de velocidade angular. O sistema opera em um fluxo de dados de tempo discreto filtrado (20 Hz) para suprimir ruídos, preservando as dinâmicas relevantes para a tarefa.
2. Modelo de Segurança Preditiva (PSM): O núcleo do método é um modelo reduzido de pêndulo massa-mola-amortecedor. Diferente da formulação completa para a parte superior do corpo, esta versão é ajustada para a cinemática do pulso e antebraço com parâmetros efetivos específicos: uma massa do braço de 2 kg, um comprimento de pêndulo de 0,2 m e um raio de base de 0,25 m. O modelo gera um "movimento de referência seguro e consistente com a tarefa" baseado em um espaço de estados reduzido definido por uma coordenada angular referenciada pela gravidade ($\theta_g$) e magnitude de velocidade angular ($\omega$).
3. Pipeline de Avaliação de Segurança:
   • Mapa de Probabilidade: Um mapa de probabilidade específico para a tarefa é construído a partir de ensaios registrados, mapeando o estado reduzido $(\theta_g, \omega)$ para verossimilhanças empíricas. Regiões de alta probabilidade representam movimentos regulares e repetíveis, enquanto regiões de baixa probabilidade indicam irregularidade.
   • Predição Online: Em tempo real, o sistema consulta a vizinhança de probabilidade local para determinar a continuação mais provável e segura do movimento e propaga o PSM para obter um estado seguro previsto.
   • Índice de Segurança Inspirado em Impedância: O sistema calcula a discrepância entre o movimento medido pelo IMU e a predição do PSM no domínio do tempo. Uma métrica de erro normalizada inspirada em impedância ($e_{imp}$) é calculada fundindo o erro de orientação ($e_\theta$) e o erro de velocidade angular ($e_\omega$).
   • Estratégias de Ponderação: Dois casos de ponderação foram testados: "prioridade de posição" (0,6 orientação, 0,4 velocidade) e "prioridade de velocidade" (0,4 orientação, 0,6 velocidade). Os autores hipotetizam que a prioridade de velocidade é mais estável para IMUs montados no pulso, que costumam ser mais robustos a mudanças de velocidade de curto prazo do que ao desvio na orientação absoluta.
   • Classificação: O nível de segurança é classificado como seguro, atenção ou semelhante a inseguro com base em limiares empíricos ($\epsilon_s = 0,15$, $\epsilon_c = 0,25$) derivados de execuções controladas versus irregulares.
   • Linha de Base Offline: Um indicador de erro espectral (análise no domínio da frequência) é mantido como uma linha de base comparativa offline para validar os resultados no domínio do tempo.

Principais Contribuições

• Adaptação do PSM Específica para o Pulso: O artigo adapta o Modelo de Segurança Preditiva de massa-mola-amortecedor especificamente para movimentos de pulso e antebraço relevantes para a manufatura, distinguindo-se das formulações anteriores para a parte superior do corpo.
• Pipeline de Avaliação em Tempo Real: Um pipeline autossuficiente que mapeia o movimento do pulso para um modelo probabilístico de referência segura e calcula a segurança a partir de desvios de orientação e velocidade angular sem exigir a estimativa de todo o corpo.
• Índice de Segurança Inspirado em Impedância: A introdução de uma métrica de segurança no domínio do tempo que aborda as limitações de depender apenas de indicadores do domínio da frequência para avaliação online.
• Validação Experimental: Validação através de três tarefas manuais representativas: fixação com ferramenta manual, inspeção visual e pick-and-place (pegar e colocar).

Resultados
O estudo foi validado através de 18 ensaios de tarefas envolvendo cinco participantes. Cada tarefa incluiu execuções controladas, nominais e deliberadamente irregulares (semelhantes a perigosas).

• Separação de Tipos de Movimento: Os resultados demonstraram uma clara separação entre movimentos controlados e movimentos deliberadamente irregulares em todas as três tarefas. Movimentos irregulares (caracterizados por reversões abruptas, sobre-sals e temporização inconsistente) produziram consistentemente valores de erro mais altos.
• Ponderação de Velocidade vs. Posição: A ponderação de prioridade de velocidade ($P^*=0,4, D^*=0,6$) provou ser mais estável e eficaz para avaliação online do que a ponderação de prioridade de posição. Os dados indicaram que o comportamento semelhante a perigoso manifesta-se de forma mais consistente através da irregularidade temporal e ações corretivas abruptas (erros de velocidade angular) do que através de grandes desvios de orientação absoluta.
• Desempenho da Métrica: O escore inspirado em impedância mostrou uma separação mais clara na tendência central entre as classes segura e insegura em comparação com o escore baseado em frequência. Embora as tarefas de pick-and-place tenham gerado escores de segurança absolutos mais altos devido ao seu envelope de movimento mais amplo, todas as tarefas mantiveram distinções claras entre seguro e inseguro.
• Limiares: No conjunto de dados testado, as operações controladas geralmente permaneceram abaixo do limiar de segurança ($\epsilon_s = 0,15$), enquanto eventos irregulares cruzaram consistentemente o limiar de atenção ($\epsilon_c = 0,25$).

Significância e Alegações
Os autores posicionam este trabalho como uma validação de prova de conceito em vez de um estudo de escala populacional. A principal significância reside em demonstrar que um sensor de pulso leve, combinado com um modelo preditivo interpretável, pode fornecer informações de segurança úteis em tempo real para células de trabalho humano-robô colaborativas.

O artigo afirma que:

1. Um IMU montado no pulso pode servir efetivamente como um avaliador de segurança contínuo sem a necessidade de instrumentar todo o espaço de trabalho.
2. A irregularidade temporal no movimento do pulso é um indicador mais confiável de potenciais riscos de segurança do que o desvio de orientação absoluta isoladamente.
3. O framework proposto oferece uma extensão prática da abordagem PSM, tornando-a diretamente aplicável a tarefas de manufatura colaborativa através de uma formulação reduzida e específica para o pulso.

Os autores declaram explicitamente que os limiares relatados são pontos de operação empíricos específicos para as tarefas e o conjunto de dados testados, não limites universais de segurança. O trabalho futuro é identificado como necessário para validação com múltiplos participantes, seleção de limiares adaptáveis à tarefa e comparação com outras abordagens de monitoramento em tempo real.