Resumo Técnico: Aprimoramento da Interação Física Humano-Robô via Sensoriamento Tátil Intrínseco do Robô

Declaração do Problema

A Interação Física Humano-Robô (pHRI) visa facilitar a colaboração natural e segura entre humanos e robôs. No entanto, as abordagens atuais frequentemente dependem de sensores táteis externos (por exemplo, pele eletrônica ou sensores de força/torque montados na flange) para detectar e classificar o toque. Essas adições externas aumentam a complexidade do sistema, o custo e o volume mecânico, enquanto frequentemente carecem da durabilidade e flexibilidade necessárias para uma integração perfeita. Além disso, os robôs colaborativos existentes já possuem capacidades de sensoriamento intrínseco — especificamente sensores de torque nas juntas — que são tipicamente subutilizados para tarefas além da detecção simples de contato ou evasão de colisões. Este estudo aborda a questão de saber se esses sensores intrínsecos são suficientes para permitir interações ricas e intuitivas, como o reconhecimento de dígitos escritos à mão desenhados por um usuário, sem a necessidade de hardware externo especializado.

Metodologia

Arquitetura do Sistema e Coleta de Dados

O sistema proposto utiliza um robô colaborativo de sete graus de liberdade (KUKA LBR iiwa 14 R820) equipado com sensores de torque no lado da ligação de cada junta. Os usuários interagem com um touchpad não instrumentado (um quadrado de acrílico montado na flange do robô) deslizando os dedos para desenhar dígitos (0–9).

• Sensores: O sistema captura sinais intrínsecos de torque das juntas ($\tau_{ext}$) e calcula Forças ($F_{ext}$) e Momentos ($M_{ext}$) no Efeito Final via Jacobiano.
• Pré-processamento: Para abordar deslocamentos de sinal causados por poses variáveis do robô e pressões de toque, uma técnica de janela deslizante é empregada para correção de linha de base em tempo real.
• Segmentação: Eventos de toque são isolados usando uma abordagem baseada em limiar no torque da junta 2 ou na força do eixo z. Sinais segmentados são reamostrados para um comprimento fixo de 100 amostras para garantir consistência, apesar de variações na velocidade de desenho e latência de comunicação.

Estratégia de Aumento de Dados

Para aumentar a robustez contra variações no comportamento do usuário (direção de escrita invertida e orientações rotacionadas), uma técnica de aumento de dados foi desenvolvida:

• Dígitos Invertidos: O caminho geométrico é invertido usando um operador de reversão temporal ($T$), e os sinais de componentes específicos de força e momento são invertidos para levar em conta a mudança na distribuição e direção da pressão do dedo.
• Dígitos Rotacionados: Forças e momentos são transformados usando uma matriz de rotação $R_z(\theta)$ correspondente ao ângulo de rotação do dígito no touchpad.

Modelo de Classificação

Uma rede Bidirecional de Memória de Curto e Longo Prazo (Bi-LSTM) é empregada para classificar os dados de séries temporais. A arquitetura bidirecional permite que a rede capture dependências temporais tanto de movimentos anteriores quanto subsequentes, o que é crítico para reconhecer a forma de um dígito com base na trajetória completa do toque.

Desenho Experimental

Experimentos foram conduzidos para avaliar:

1. Desempenho de Linha de Base: Comparando conjuntos de dados de treinamento de usuário único versus múltiplos usuários.
2. Generalização: Testando o modelo em usuários que não participaram da fase de treinamento.
3. Robustez à Pose: Avaliando o desempenho em 10 poses de robô selecionadas aleatoriamente.
4. Eficácia do Aumento: Avaliando a capacidade do sistema de classificar dígitos invertidos e rotacionados.
5. Aplicação no Mundo Real: Implementando uma tarefa de entrega de frutas onde os usuários selecionam itens desenhando dígitos correspondentes.

Principais Resultados

Precisão de Classificação

• Dígitos Padrão: A rede Bi-LSTM alcançou uma precisão offline próxima a 100% e uma precisão online de 94,1% (treinamento com múltiplos usuários) quando testada em usuários não envolvidos no treinamento, mesmo com o robô em poses variáveis.
• Generalização: Um modelo treinado com usuário único mostrou precisão significativamente menor (45,2%) em usuários não vistos em comparação com o modelo de múltiplos usuários (94,1%), destacando a necessidade de dados de treinamento diversos.
• Entradas Aumentadas:
  • Dígitos Invertidos: Alcançou 92% de precisão. A principal fonte de erro foi a classificação incorreta de '8' como '3'.
  • Dígitos Rotacionados: Alcançou aproximadamente 80–86% de precisão dependendo do ângulo de rotação (+90° ou -90°). Erros comuns ocorreram com os dígitos '5', '1' e '7'.
  • O sistema demonstrou que até mesmo um modelo treinado apenas em dígitos padrão poderia reconhecer entradas levemente rotacionadas (<45°), embora o desempenho degradasse com rotações maiores.

Análise de Confusão

A matriz de confusão indicou que a maioria dos erros de classificação ocorreu entre dígitos visual ou estruturalmente semelhantes, especificamente '0' vs. '6', '1' vs. '7' e '2' vs. '3'.

Demonstração no Mundo Real

A metodologia foi validada em um cenário de entrega de frutas. O sistema utilizou uma Máquina de Estados Finitos Hierárquica (HFSM) para gerenciar a execução da tarefa e a segurança. O robô forneceu feedback falado (por exemplo, "Vejo que você quer uma laranja") e exigiu confirmação por toque antes de executar a tarefa. Protocolos de segurança incluíram a parada do movimento ao detectar contato durante a execução da tarefa e a retomada via um gesto de toque duplo.

Significado e Contribuições

O artigo reivindica as seguintes contribuições para o campo da pHRI:

1. Viabilidade do Sensoriamento Intrínseco: Demonstra que o sensoriamento de torque intrínseco nas juntas em robôs colaborativos comerciais é suficiente para classificação de dígitos de alta precisão, eliminando a necessidade de sensores táteis externos.
2. Conjunto de Dados Público (pHRI-DIGI-TACT): A liberação de um conjunto de dados contendo 10 classes de dígitos táteis escritos à mão coletados de múltiplos participantes, incluindo torques de juntas de 7 graus de liberdade e forças/momentos do Efeito Final.
3. Robustez a Variações: O desenvolvimento de um método de aumento de dados que permite o reconhecimento de dígitos invertidos e rotacionados sem a necessidade de coleta de dados adicional, aumentando assim a flexibilidade do sistema.
4. Aplicação Prática: Uma demonstração bem-sucedida de uma interface intuitiva para tarefas cotidianas (entrega de frutas), mostrando potencial para auxiliar usuários inexperientes através de interação física natural e feedback por voz.

Os autores concluem que essa abordagem oferece uma alternativa promissora aos métodos tradicionais de pHRI, reduzindo a complexidade e o custo do sistema enquanto mantém alta qualidade de interação. Trabalhos futuros são identificados como focados na expansão do sistema para reconhecer números de múltiplos dígitos e dígitos desenhados com pausas ou diferentes caminhos geométricos.