NPU-Accelerated Neuro-Fuzzy Safety Assistance with Decision-Level Multimodal Fusion for Teleoperated Assistive Robots
Este artigo apresenta um framework de controle compartilhado de Edge-AI para robôs assistivos teleoperados que utiliza um NPU Hailo-8L para executar concorrentemente um Sistema de Inferência Neuro-Fuzzy Adaptativo e um detector YOLOX-S, fundindo suas saídas para reduzir significativamente as taxas de colisão e intervenções de emergência, mantendo a operação local total.
Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo
Imagine um robô que ajuda uma pessoa a se locomover em uma sala, mas o robô não decide para onde ir. Em vez disso, um humano senta-se em uma estação de controle remoto, observando uma transmissão de vídeo e conduzindo o robô com um joystick. Essa configuração é comum para tarefas como verificar parentes idosos ou inspecionar áreas perigosas, mas possui uma falha perigosa. O operador humano vê apenas o que a câmera mostra, o que é frequentemente uma fatia estreita da sala. Eles podem não ver uma porta de vidro, uma mesa baixa ou uma pessoa parada logo fora do campo de visão da câmera. Se o operador empurrar o robô para frente, ele pode colidir antes mesmo que o humano perceba o perigo. A solução não é fazer o robô dirigir sozinho, o que removeria o controle humano e exigiria sistemas de mapeamento complexos e caros. A solução é permitir que o humano conduza enquanto uma camada de segurança inteligente observa o caminho e reduz suavemente a velocidade do robô se algo estiver muito próximo.
Pesquisadores da Escola Nacional de Engenharia de Tunes construíram e testaram exatamente esse tipo de sistema para pequenos robôs com rodas. O objetivo deles era criar uma rede de segurança que funcionasse inteiramente no próprio robô, sem precisar enviar dados para um servidor na nuvem ou depender de um computador potente. Eles combinaram duas maneiras diferentes de enxergar o mundo. Primeiro, o rob em usa sensores infravermelhos que agem como a bengala de um cego, refletindo sinais nos objetos para medir a distância. Segundo, utiliza uma câmera e um sistema de reconhecimento visual para identificar o que são esses objetos. O programa aprendeu a fundir essas duas correntes de informações. O programa aprende a reduzir a velocidade do robô com base na distância de um objeto, mas também "ouve" a câmera. Se a câmera vê uma pessoa ou uma cadeira com alta confiança, o programa reduz a velocidade do robô ainda mais, agindo como um segundo par de olhos que nunca pisca.
Para tornar este sistema rápido o suficiente para ser útil, a equipe enfrentou um desafio significativo. Executar softwares de visão complexos e cálculos de segurança ao mesmo tempo geralmente requer um computador pesado e que consome muita energia. Em vez disso, eles usaram um chip especializado projetado para inteligência artificial, chamado unidade de processamento neural, que é pequeno o suficiente para caber em um computador de placa única padrão. Este chip permitiu que o robô processasse dados visuais e tomasse decisões de segurança simultaneamente, atualizando sua velocidade cinquenta vezes por segundo. O sistema não planeja uma rota ou escolhe um destino; ele simplesmente recebe a direção que o operador humano escolhe e decide quão rápido o robô tem permissão para viajar naquela direção. Se o robô chegar muito perto de um obstáculo, o sistema anula o comando do humano para seguir em frente e força o robô a recuar, garantindo uma parada segura.
Em seus experimentos, a equipe testou este sistema em um robô de quatro rodas construído sob medida em um ambiente controlado. Eles pediram a um operador humano que conduzisse o robô através de um percurso repleto de obstáculos sob três condições diferentes: dirigindo sem assistência, dirigindo com o sistema de segurança de sensor infravermelho e dirigindo com o sistema combinado de infravermelho e câmera. Os resultados mostraram uma melhoria clara na segurança. Quando o operador dirigiu sem assistência, o robô colidiu com obstáculos em quarenta por cento das tentativas. Quando o sistema de segurança combinado estava ativo, essa taxa de colisão caiu para apenas dez por cento. Além disso, o robô manteve uma distância muito mais segura dos obstáculos, mantendo um intervalo de cerca de dez centímetros em vez dos cinco centímetros vistos nas execuções sem assistência. O sistema também reduziu o número de vezes que o operador humano teve que apertar o botão de parada de emergência, caindo de uma média de quase duas intervenções por execução para apenas um quinto de uma intervenção.
Os pesquisadores descobriram que o sistema funcionou de forma fluida sem diminuir a capacidade do robô de responder aos comandos de direção do humano. Todo o processo, desde ver um obstáculo até ajustar a velocidade, aconteceu em menos de um centésimo de segundo. O sistema visual foi particularmente eficaz na detecção de objetos que os sensores de distância poderiam perder, como superfícies de baixo contraste, e ajustou a velocidade do robô com base em quão confiante estava sobre o que via. No entanto, a equipe observou que o sistema não é perfeito. As regras de segurança foram testadas em um laboratório com objetos estáticos e um único operador, portanto, os resultados podem variar em uma casa movimentada com pessoas em movimento. Além disso, se o pipeline visual travar ou um quadro for atrasado, o sistema descarta os dados visuais desatualizados e passa a depender apenas dos sensores de distância, em vez de detectar um bloqueio específico da câmera. Apesar dessas limitações, o estudo demonstra que é possível dar a um robô teleoperado uma camada de segurança local confiável que protege contra colisões sem tirar o controle do humano.
Este trabalho é importante porque oferece um caminho prático para robôs assistivos que precisam ser acessíveis e seguros. Ao provar que cálculos de segurança complexos podem rodar em um chip pequeno e de baixa potência, os pesquisadores mostraram que esses robôs não precisam estar conectados à internet ou exigir hardware caro para serem seguros. O sistema respeita a intenção do operador humano enquanto adiciona uma camada de proteção que está sempre vigiando. No futuro, tal tecnologia poderia permitir que pessoas idosas utilizem robôs controlados remotamente para buscar itens ou monitorar suas casas sem o medo constante de a máquina colidir com móveis ou pessoas. Os pesquisadores planejam testar o sistema com mais operadores e em ambientes mais dinâmicos para ver como ele se comporta quando o mundo é menos previsível do que um laboratório. Por enquanto, eles mostraram que um robô pode ser tanto obediente a um humano quanto inteligente o suficiente para proteger a si mesmo.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.