Control de Admisión Variable Mejorado por Aprendizaje Neural para la Colaboración Humano-Robot

En este artículo, proponemos una estrategia novedosa para el mapeo de impedancia humano-robot para realizar una ejecución efectiva de la colaboración humano-robot. La rigidez en el extremo del brazo humano se estima según las configuraciones del brazo humano y los niveles de activación muscular del brazo superior. Inspirados en la adaptabilidad humana en la colaboración, se desarrolla un mapeo de rigidez suave entre el extremo del brazo humano y la articulación del brazo robot para heredar las características del brazo humano. La estimación del término de rigidez se generaliza a una impedancia completa considerando adicionalmente los términos de amortiguamiento y masa. Una vez completada la estimación de la impedancia del brazo humano, se emplea un Regulador Cuadrático Lineal para el cálculo del modelo de admisión del brazo robot correspondiente para que coincida con los parámetros de impedancia estimados del brazo humano. Bajo el control de admisión variable, se gobierna al brazo robot para que sea compliant con la impedancia del brazo humano y la fuerza de interacción ejercida por el extremo del brazo humano, logrando así una colaboración relativamente óptima. Se emplea una red neuronal de función de base radial para compensar las dinámicas desconocidas y garantizar el rendimiento del controlador. Se han llevado a cabo experimentos comparativos para verificar la validez de la técnica propuesta.