Human-Guided Co-Manipulation of Carbon Fiber Plies

Resumo Técnico: Co-manipulação de Mantas de Fibra de Carbono Guiada por Humanos

Definição do Problema
A manipulação de materiais flexíveis e deformáveis, como mantas de fibra de carbono, apresenta desafios significativos para a automação total devido à distorção dinâmica e às mudanças de estado desses objetos. Embora os processos totalmente manuais evitem essas limitações robóticas, eles são frequentemente ergonomicamente exigentes, tediosos e ineficientes, particularmente em indústrias como a de aviação e automotiva, onde grandes folhas compostas devem ser colocadas sobre moldes. A Colaboração Humano-Robô (HRC) e a manipulação cooperativa (co-manipulação) oferecem um meio-termo promissor, permitindo o envolvimento humano na tomada de decisões enquanto se aproveita a eficiência robótica. No entanto, uma co-manipulação eficaz requer modalidades de interação intuitivas que não limitem as mãos do operador, que são necessárias para manusear o material. Interfaces tradicionais, como teach pendants, são muitas vezes inviáveis, e trajetórias predefinidas carecem da flexibilidade necessária para ambientes dinâmicos. Consequentemente, há uma necessidade de avaliar e comparar diferentes modalidades de controle — especificamente voz, visão e força — para determinar as estratégias mais eficazes para guiar um robô durante o transporte e posicionamento de mantas flexíveis.

Metodologia
Os autores desenvolveram uma arquitetura de sistema integrando percepção, controle e um robô colaborativo Franka Research 3 (FR3) para testar várias estratégias de controle em uma célula de trabalho de HRC simplificada. A configuração envolveu o transporte de uma manta de fibra de carbono pré-impregnada (com filme de proteção) sobre um molde de alumínio, com experimentos realizados com e sem um obstáculo para simular trajetórias complexas.

O sistema utilizou três modalidades primárias:

1. Percepção: Uma câmera Intel RealSense D435 com um modelo YOLO11n-pose detectou o pulso do operador humano para fornecer coordenadas 3D. Um SDK Creoir EdgeVUI lidou com o Reconhecimento Automático de Fala (ASR) e a Conversão de Texto em Fala (TTS) para comandos verbais e feedback do robô.
2. Arquitetura de Controle: Um nó controlador central gerenciava a alternância entre diferentes modos de controle e comunicava-se com o MoveIt e os controladores do robô.
3. Métodos de Controle Testados: Cinco estratégias distintas foram avaliadas:
   • Controle Complacente: Utilizando um controlador de impedância cartesiana com zero rigidez, permitindo que o humano puxe a manta e o robô a siga.
   • Trajetória Predefinida: O robô seguia um caminho fixo enquanto o humano se adaptava.
   • Controle de Voz por Etapas: O operador utilizava comandos de voz discretos (ex: "mover para frente", "abrir garra") para guiar o robô em incrementos de 10 cm.
   • Rastreamento de Pulso: A pose de referência de impedância do robô é atualizada em tempo real com base na posição detectada do pulso, permitindo que o robô siga o humano com um deslocamento (offset) fixo.
   • Abordagem Híbrida: Uma combinação de rastreamento de pulso para movimento bruto, comandos de voz para ajustes e controle complacente para o posicionamento final.

Principais Resultados
Os experimentos mediram o tempo de conclusão da tarefa, o comprimento do caminho e a magnitude da força aplicada ao efetuador final do robô.

• Trajetória Predefinida: Este foi o método mais rápido (aprox. 10–11 segundos) e exigiu o menor esforço humano, mas carecia de flexibilidade e exigia reprogramação para qualquer mudança ambiental.
• Controle Complacente: Este método ofereceu a interação mais intuitiva, liderada pelo humano, e foi o segundo mais rápido (aprox. 25–31 segundos). No entanto, exigia que o operador exercesse força para puxar o material, o que poderia desgastar o operador ou danificar a manta, além de tornar o movimento para trás difícil.
• Controle de Voz por Etapas: Embora intuitivo e adaptável, este método resultou nos tempos de execução mais longos (aprox. 60–65 segundos) e nos comprimentos de caminho mais longos devido aos movimentos interrompidos e irregulares. A precisão foi limitada pela capacidade do operador de estimar distâncias.
• Rastreamento de Pulso: Este método eliminou a necessidade de força de tração e permitiu movimentos 3D mais suaves. Contudo, exigiu uma curva de aprendizado para o operador e apresentou desafios no posicionamento preciso próximo à superfície.
• Abordagem Híbrida: Ao combinar rastreamento de pulso, voz e complacência, esta abordagem alcançou o caminho mais curto do efetuador final (aprox. 0,99–1,04 m) e equilibrou velocidade com controle. Exigiu menos força do que a complacência pura e foi mais rápida do que o controle apenas por voz, embora o tempo gasto na alternância de modos tenha aumentado ligeiramente a duração total em comparação ao rastreamento de pulso puro.

Principais Contribuições
A principal contribuição do artigo é uma análise comparativa de distintas modalidades de controle para a tarefa específica de co-manipulação de mantas de fibra de carbono flexíveis. Diferente de trabalhos anteriores que frequentemente focam em modalidades únicas ou abordagens baseadas em modelos, este estudo:

1. Avalia as Modalidades em Contexto: Fornece dados empíricos comparando complacência, voz, rastreamento baseado em visão e métodos híbridos em um ambiente controlado com obstáculos.
2. Propõe uma Solução Multimodal: Argumenta que um sistema híbrido combinando fala, visão (rastreamento de pulso) e força (complacência) oferece a solução mais robusta. Esta abordagem aproveita os pontos fortes de cada modalidade: visão para orientação sem contato, fala para mudanças de estado discretas e força para o ajuste fino intuitivo.
3. Evita a Modelagem de Materiais: Os métodos propostos não requerem a modelagem complexa da manta de fibra de carbono em si, evitando a sobrecarga computacional e a redução de transferibilidade associadas a métodos baseados em modelos ou aprendizado.

Significância e Alegações
Os autores alegam modestamente que este trabalho apresenta desenvolvimentos preliminares focados especificamente na fase de transporte do processo de laminação. Eles postulam que, embora nenhum método seja perfeito, uma combinação multimodal permite um sistema que é ao mesmo tempo seguro e eficiente. A significância reside em demonstrar que o rastreamento de pulso baseado em visão pode efetivamente substituir a tração baseada em força para o movimento 3D, melhorando a ergonomia e a segurança do material, enquanto a fala e a complacência fornecem a flexibilidade e a precisão necessárias. O artigo conclui que trabalhos futuros visarão integrar esses métodos isolados em um cenário industrial completo, sugerindo que a abordagem híbrida é um caminho viável para resolver os desafios do manuseio de materiais flexíveis na Indústria 5.0.