Resumo Técnico: ActiveVital

Declaração do Problema

Robôs domésticos requerem o monitoramento confiável e sem contato de sinais vitais para garantir a segurança do usuário e permitir interações conscientes da saúde. Embora o radar de onda milimétrica (mmWave) seja uma solução promissora devido à sua sensibilidade a movimentos torácicos submilimétricos, sua eficácia é fundamentalmente limitada pela geometria de observação. O radar mmWave mede apenas a componente radial do movimento ao longo da linha de visão. Em ambientes domésticos não controlados, orientações arbitrárias entre robô e humano frequentemente resultam em desalinhamento angular, o que atenua o sinal mensurável — particularmente para os componentes de batimento cardíaco, que possuem amplitudes extremamente pequenas.

As abordagens existentes sofrem de duas limitações primárias:

1. Sensoriamento Estático: Depende que os usuários mantenham manualmente o alinhamento com um sensor fixo, o que é impraticável para o monitoramento de longo prazo e não intrusivo.
2. Sensoriamento Incorporado por Proximidade: Robôs móveis reduzem a distância ao sujeito para melhorar a força do sinal, mas falham em regular o alinhamento anatômico (ângulo de observação). Consequentemente, esses métodos carecem de um mecanismo de malha fechada para otimizar a observabilidade dos sinais vitais, levando a uma estimativa instável do batimento cardíaco quando o robô e o humano não estão perfeitamente alinhados.

Metodologia: ActiveVital

Os autores propõem o ActiveVital, um framework de sensoriamento incorporado guiado por visão que trata a geometria de sensoriamento como uma variável de controle explícita. O sistema reformula o monitoramento de sinais vitais de uma recuperação passiva de sinal para uma regulação geométrica ativa. O pipeline consiste em três estágios:

1. Localização do Tórax Guiada por Visão

Para estabelecer uma referência geométrica sem cooperação do usuário, o sistema emprega o ViTPose para detectar pontos-chave (keypoints) esqueléticos humanos (ombros e quadris).

• Construção da Referência do Tórax: Um ponto de ancoragem do tórax ($P_{ref}$) é interpolado ao longo do eixo do tronco entre os pontos médios dos ombros e dos quadris.
• Viés Anatômico: A coordenada vertical é enviesada para a parte superior do peito ($\alpha = 0,75$), e um deslocamento horizontal é aplicado ($\beta = 0,1$) para deslocar a referência em direção à região adjacente ao coração, compensando a assimetria anatômica lateral.

2. Regulação de Pose em Malha Fechada

O robô ajusta ativamente a pose de seu sensor para alinhar a linha de visão do radar com a referência do tórax.

• Controle Baseado em Erro: Desvios de pixels entre o eixo óptico do radar e a referência do tórax são convertidos em comandos de movimento.
• Mapeamento Espacial: Usando informações de profundidade e intrínsecos da câmera, os erros de pixel são mapeados para deslocamentos métricos ($\Delta L, \Delta H, \Delta D$).
• Execução: O braço robótico direciona o radar para uma incidência quase normal em relação à superfície torácica. Uma vez alinhado, o robô mantém uma pose fixa por uma janela curta para adquirir dados, garantindo a observabilidade radial máxima ($\theta \to 0$).

3. Processamento de Fase Restrito pela Geometria

Para garantir a extração estável do sinal sob variações residuais de pose, o sistema utiliza um módulo de realce de fase diferencial:

• Desembrulhamento e Diferenciação de Fase: Sequências de fase bruta são desembrulhadas e submetidas a uma diferenciação temporal de primeira ordem para suprimir o drift de baixa frequência e realçar o micromovimento periódico.
• Supressão Robusta de Outliers: Um filtro de Hampel é aplicado para mitigar o ruído impulsivo, substituindo outliers por medianas locais.
• Desacoplamento Espectral: A sequência de fase refinada passa por FFT, seguida de suavização Gaussiana e filtragem passa-banda FIR para separar os componentes de respiração e batimento cardíaco. A frequência cardíaca é estimada via média ponderada pela energia dentro da banda cardíaca.

Principais Contribuições

1. Sensoriamento Incorporado Regulado por Geometria: O artigo introduz um paradigma onde a geometria de observação do radar é ativamente regulada através de alinhamento de pose baseado em feedback, permitindo o sensoriamento confiável sob configurações não controladas de robô-humano.
2. Regulação de Pose Guiada por Visão com Extração de Sinal Robusta: Um pipeline que direciona o radar montado no robô para uma observação quase axial, integrando um módulo de realce baseado em fase para estabilizar a extração sob variações de pose.
3. Validação de Cruzamento de Paradigmas: O sistema é avaliado contra três modos de sensoriamento (Estático, Incorporado por Proximidade e Consciente da Geometria) e três algoritmos de processamento de sinal de base, demonstrando melhorias consistentes de precisão.

Resultados Experimentais

O sistema foi implementado em um robô móvel Galaxea R1 Lite equipado com um radar FMCW de 60 GHz e uma câmera RGB-D. Os experimentos foram conduzidos em um ambiente interno controlado com participantes sentados.

Métricas de Desempenho (Erro Médio Absoluto - MAE):

• Intervalo Respiratório (BI): O ActiveVital reduziu o erro de 0,87 s (Incorporado por Proximidade) para 0,14 s, alcançando precisão comparável ao Sensoriamento Estático (0,15 s).
• Frequência Cardíaca (HR): O ActiveVital reduziu o erro de 13,59 bpm (Incorporado por Proximidade) para 2,22 bpm. Embora o Sensoriamento Estático tenha alcançado o menor erro (1,66 bpm), ele exigia o alinhamento manual do usuário. O ActiveVital alcançou desempenho comparável sem exigir a cooperação do sujeito.

Análise Comparativa:

• Vs. Sensoriamento por Proximidade: O ActiveVital superou significativamente as abordagens baseadas em proximidade, que sofreram com altos erros devido ao desalinhamento que atenuava o sinal cardíaco.
• Vs. Sensoriamento Estático: O ActiveVital alcançou precisão semelhante ao sensoriamento estático, mas com a vantagem crítica da autonomia, eliminando a necessidade de os usuários manterem posturas específicas.
• Robustez do Algoritmo: Quando testado contra algoritmos de base (DE de segunda ordem, Filtro Passa-Banda, Modelo de Espalhamento), a abordagem consciente da geometria do ActiveVital manteve estabilidade superior conforme as condições geométricas se deterioravam, mostrando a menor degradação de desempenho na estimativa da Frequência Cardíaca.

Significância e Alegações

O artigo afirma que a pose de sensoriamento é uma variável controlável para o monitoramento fisiológico sem contato e robusto. Ao regular ativamente a pose do robô para alcançar o alinhamento quase axial com a superfície torácica, o ActiveVital maximiza a projeção radial do micromovimento cardiopulmonar.

Os autores afirmam que esta abordagem:

• Permite o monitoramento sem contato em ambientes domésticos comuns, sem a necessidade de wearables ou infraestrutura pré-instalada.
• Fornece estimativa de sinais vitais autônoma que é robusta às variações de postura do usuário, ao contrário de sistemas estáticos que dependem da cooperação do usuário.
• Demonstra que o sensoriamento incorporado consciente da geometria é essencial para capturar sinais cardíacos fracos, oferecendo uma solução onde o sensoriamento móvel tradicional baseado em proximidade falha.

O trabalho posiciona o ActiveVital como uma função oportunista para robôs domésticos de propósito geral, preenchendo a lacuna entre a execução de tarefas e o monitoramento contínuo da saúde.