Detección de la Intención del Usuario en Tareas de Interacción Humano-Robot

Abstract

En la robótica de asistencia, la detección de intención motora es un problema clave para lograr una interacción humano–robot segura, natural y adaptable, especialmente cuando las decisiones del sistema deben traducirse en acciones físicas en tiempo real.

En esta tesis se presenta el diseño, implementación y evaluación de un sistema multimodal de detección de intención motora orientado a apoyar el control seguro de un exoesqueleto de extremidad superior. El sistema integra adquisición y procesamiento de señales fisiológicas y de movimiento, clasificación jerárquica en dos niveles: L1 para reposo frente a movimiento y L2 para flexión frente a extensión, una máquina de estados con reglas de transición, generación de referencias de posición y control del exoesqueleto bajo criterios de seguridad, con el fin de operar en lazo cerrado en tiempo real.

La metodología contempló la adquisición de señales en 15 voluntarios sanos, fases progresivas de validación, simulaciones fuera de línea y en línea, así como experimentación en tiempo real y en lazo cerrado. En la etapa final se evaluó el desempeño con 10 participantes instrumentados: cinco pertenecientes al grupo inicial, cuyos datos habían formado parte del entrenamiento, y cinco participantes adicionales no incluidos previamente en el modelo. Por tanto, el estudio comprendió 20 participantes únicos. Esta distribución permitió comparar el desempeño entre sujetos conocidos y desconocidos para analizar la capacidad de generalización. El protocolo experimental consideró cuatro condiciones que combinaron variaciones de visión y carga externa.

En la experimentación final, las métricas globales se reportaron por sujeto y condición (precisión, sensibilidad y latencia), permitiendo comparar el desempeño entre grupos (conocidos/desconocidos) y escenarios del protocolo. Asimismo, los promedios por condición mostraron precisiones medias en el rango 83–89 % tanto en sujetos conocidos como desconocidos, con latencias medias típicamente alrededor de 50–60 ms según la condición.

En conjunto, los resultados confirman la viabilidad de una estrategia multimodal para detección de intención y control asistivo en tiempo real, destacando la contribución de la fusión de señales y la evaluación sistemática de desempeño bajo condiciones controladas y con análisis de generalización a nuevos usuarios.

In assistive robotics, motor-intention detection is a key problem for achieving safe, natural, and adaptive human–robot interaction, especially when system decisions must be translated into physical actions in real time.

In this thesis, the design, implementation, and evaluation of a multimodal motor-intention detection system are presented, aimed at supporting the safe control of an upper-limb exoskeleton. The system integrates the acquisition and processing of physiological and motion signals, a two-level hierarchical classification scheme in which L1 distinguishes rest from movement and L2 discriminates between flexion and extension, a state machine with transition rules, generation of position references, and exoskeleton control under safety criteria, enabling real-time closed-loop operation.

The methodology included signal acquisition from 15 healthy volunteers, progressive validation stages, offline and online simulations, as well as real-time and closed-loop experimentation. During the final stage, performance was evaluated with 10 instrumented participants: five from the initial group, whose data had been included in model training, and five additional participants who had not previously been included in the model. Therefore, the study involved 20 unique participants. This distribution enabled a comparison between subjects known and unknown to the algorithm in order to assess its generalization capability. The experimental protocol considered four conditions involving variations in vision and external load.

In the final experimentation, global metrics were reported per subject and condition (precision, recall, and latency), allowing performance comparisons between groups (known vs. unseen) and across protocol scenarios. Condition-wise averages showed mean precision values within the range 83–89 % for both known and unseen subjects, with mean latencies typically around 50–60 ms depending on the condition.

Overall, the results confirm the feasibility of a multimodal strategy for real-time intent detection and assistive control, highlighting the contribution of signal fusion and a systematic performance evaluation under controlled conditions, including an analysis of generalization to new users.