Desenvolvimento de um algoritmo de detecção de deslizamento baseado em dados para uma garra robótica implementado em SoC-FPGA

Abstract

No campo de estudo, desenvolvimento e controle de mãos robóticas, diversos desafios surgem atualmente, tais como o controle preciso do movimento da mão, a força aplicada para agarrar objetos e a adaptabilidade a diferentes situações de trabalho. Entretanto, um dos pontos mais críticos sobre os quais são realizados estudos é a detecção e controle de deslizamentos de objetos. Esta dinâmica não linear altera drasticamente o comportamento dos controladores de mãos robóticas e impede o desenvolvimento eficiente das tarefas. De acordo com o exposto, este trabalho descreve o desenvolvimento de um algoritmo de detecção de deslizamentos de objetos para mãos robóticas. Trata-se de um algoritmo de baixa complexidade computacional, baseado em dados de deslizamento coletados por meio de sensores de força ao agarrar diferentes objetos. Esses dados são processados por meio de um filtro de média móvel, a seguir destacam-se suas características a partir do uso da primeira derivada e, por fim, utilizando um algoritmo de detecção de picos, encontram-se os deslizamentos ocorridos. O algoritmo de detecção de deslizamentos foi desenvolvido como parte do projeto da mão robótica UnB-Hand, o qual foi implementado em um SoC FPGA Zynq 7020 usando a metodologia de co-projecto Hardware-Software. O algoritmo foi implementado no bloco de programação lógica (PL) através da linguagem VHDL (Hardware Description Language). Finalmente, o algoritmo foi implementado em um microcontrolador para tarefas de preensão de objetos utilizando uma garra robótica, a fim de demonstrar seu funcionamento. Os resultados mostraram que o algoritmo de detecção de deslizamentos possui uma precisão de 93,33% em sua implementação em hardware. Alcançou-se uma utilização total de recursos de Look Up Tables de 2,44% para a implementação dos módulos do filtro de média móvel, da derivada de primeira ordem e do algoritmo de detecção de picos, com um consumo energético total de 1,708 W. Para a análise dos experimentos de deslizamentos realizados, é apresentada uma matriz de confusão que mostra 11 verdadeiros positivos, 1 falso negativo e 2 falsos positivos, resultando em uma precisão de 84,62%, recall de 91,67% e F1 Score de 88%.