Task-Adaptive Admittance Control for Human-Quadrotor Cooperative Load Transportation with Dynamic Cable-Length Regulation

Título: Controle de Admitância Adaptativo a Tarefas para Transporte Cooperativo de Cargas entre Humanos e Quadrotors com Regulação Dinâmica do Comprimento do Cabo

1. Problema e Contexto

O transporte cooperativo de cargas (CLT) entre humanos e quadrotors (drones) é uma aplicação emergente crucial para serviços de entrega de última milha e interações físicas homem-robô (pHRI). No entanto, a pesquisa nesta área específica está em estágio inicial, especialmente quando comparada ao uso de manipuladores robóticos.

• Desafios Principais: Operações com cargas suspensas introduzem riscos de segurança, como colisões de carga em ambientes não estruturados e comportamentos imprevisíveis durante a interação com usuários.
• Limitações do Estado da Arte: Métodos existentes frequentemente ignoram a dinâmica acoplada entre o drone, o cabo e a carga. Muitas abordagens anteriores tratam o cabo como um manipulador rígido ou não consideram a variação dinâmica do comprimento do cabo, limitando a adaptabilidade e a segurança em cenários onde o comprimento do cabo muda ativamente. Além disso, modelos anteriores muitas vezes dependem de estimativas complexas de atributos físicos da carga ou de comandos explícitos do operador.

2. Metodologia

Os autores propõem um novo sistema e uma estratégia de controle baseada em admitância, denominada Modelo de Impedância Virtual Acoplado (CVIM - Coupled Virtual Impedance Model).

• Sistema Físico: Um quadrotor equipado com um guincho atuado (controle ativo do comprimento do cabo) e uma célula de carga montada sob o quadro. O operador humano guia o sistema aplicando uma força de contato ($F_c$) no gancho na extremidade do cabo.
• Modelagem Dinâmica:
  • Foi desenvolvido um modelo dinâmico completo que considera a massa do quadrotor, a massa do gancho e a dinâmica acoplada do cabo e da carga suspensa.
  • O modelo assume um cabo sem massa e inextensível, mas permite a variação do comprimento ($L$) e os ângulos de inclinação ($\beta$) e azimute ($\alpha$).
  • A chave da modelagem é a projeção das forças de interação nas direções de rotação e translação do cabo, permitindo que o controlador responda diretamente à força aplicada pelo humano sem precisar conhecer a massa ou o tamanho exato da carga.
• Estratégia de Controle (CVIM):
  • O CVIM define uma relação dinâmica entre a força de interação e o movimento do sistema, preservando a inércia física real do sistema.
  • Ele regula simultaneamente a inclinação do cabo e o seu comprimento para seguir uma trajetória de referência virtual, gerando um movimento complacente (suave e adaptável).
  • O controlador utiliza um termo integral com fator de esquecimento para suavizar os comandos, evitando movimentos agressivos induzidos por mudanças rápidas na interação, enquanto mantém a responsividade.
• Comparação: O desempenho do CVIM foi comparado com um Modelo de Impedância Virtual Simplificado (SVIM), que trata a dinâmica translacional do drone e a variação do cabo de forma desacoplada, servindo como baseline.

3. Contribuições Chave

1. Primeiro Sistema com Cabo Ativo: Introdução do primeiro sistema de quadrotor com controle ativo do comprimento do cabo especificamente projetado para tarefas CLT humano-quadrotor.
2. Modelo Adaptativo Versátil: Desenvolvimento de um modelo que acomoda diversas formas e pesos de carga sem necessidade de parâmetros físicos pré-conhecidos da carga.
3. Estratégia de Controle CVIM: Proposta de uma nova estratégia de admitância baseada na dinâmica acoplada, eficaz tanto para comprimentos de cabo constantes quanto variáveis.
4. Validação Experimental Abrangente: Validação experimental em duas tarefas representativas (carregamento/descarregamento no local e transporte) com análise estatística comparando diferentes configurações de cabo e níveis de rigidez.

4. Resultados Experimentais

Os experimentos foram realizados em uma gaiola interna com um operador humano realizando 10 ensaios para cada combinação de método de controle, configuração de cabo (constante vs. variável) e nível de rigidez (baixa vs. alta).

• Desempenho no Transporte e Manuseio:
  • O método CVIM superou consistentemente o SVIM em termos de responsividade do sistema e suavidade do movimento.
  • Distância Percorrida: O CVIM permitiu que os operadores transportassem a carga a distâncias maiores (maior eficiência de manuseio), especialmente com cabos de comprimento variável.
  • Estabilidade e Segurança: O CVIM resultou em menores ângulos de inclinação do cabo (reduzindo o balanço da carga) e menores forças de interação com o operador.
  • Suavidade: A trajetória do quadrotor foi significativamente mais suave (menor "jerk" ou aceleração da aceleração) com o CVIM, especialmente em condições de alta rigidez.
• Efeito do Controle de Comprimento do Cabo: A regulação ativa do comprimento do cabo (VCL) demonstrou benefícios sinérgicos com o CVIM, reduzindo ainda mais o balanço da carga e melhorando a segurança, independentemente do método de controle utilizado.
• Robustez: O sistema demonstrou capacidade de navegar ao redor de obstáculos não previstos pelo drone, guiado apenas pela força do operador, mantendo a estabilidade.

5. Significado e Conclusão

Este trabalho representa um avanço significativo na interação física entre humanos e drones.

• Segurança e Usabilidade: Ao utilizar um modelo de impedância que considera a dinâmica acoplada real e o controle ativo do cabo, o sistema torna-se mais seguro e intuitivo para o operador humano, reduzindo a fadiga e o risco de colisões.
• Autonomia Adaptativa: Diferente de métodos anteriores que dependiam de comandos explícitos ou estimativas complexas, o CVIM permite uma autonomia adaptativa onde o drone reage naturalmente às intenções do operador através da força física.
• Aplicabilidade Prática: A abordagem elimina a necessidade de estimadores de força complexos, utilizando medições diretas da célula de carga e do encoder do guincho, o que facilita a implementação em sistemas reais.
• Limitações Futuras: Os autores reconhecem que os testes foram em ambiente interno e dependiam de um sistema de captura de movimento externo. Trabalhos futuros focarão em sensores a bordo (como câmeras de profundidade) para estimativa de pose e detecção de colisões indesejadas em cenários externos complexos.

Em resumo, a proposta oferece uma estratégia versátil e robusta para o transporte cooperativo de cargas, melhorando a eficiência, a segurança e a adaptabilidade das missões de entrega e logística com drones.