La teleoperación realizada a través de una red es inherentemente propensa a retrasos en la comunicación, lo que disminuye la intuición y el realismo de la experiencia del usuario. Nuestra iniciativa, Control remoto basado en modelos (MBRC), tiene como objetivo mitigar estos retrasos aprovechando modelos predictivos. En lugar de depender de la retroalimentación en tiempo real del mundo físico, los operadores interactúan con modelos del entorno remoto basados en la física, lo que garantiza respuestas rápidas.
Impacto de la latencia de la comunicación
Los retrasos en las telecomunicaciones a menudo se manifiestan como nerviosismo, lo que dificulta la ejecución oportuna y precisa de las tareas. Para evaluar los efectos del retraso en los sistemas de teleoperación, ideamos un banco de pruebas bidireccional con dos robots: un robot operador y un robot avatar, cada uno con 2 grados de libertad. El robot operador actúa como interfaz que facilita la interacción humano-sistema, mientras que el robot avatar transmite la presencia humana al entorno remoto y proyecta recíprocamente el entorno al humano. Además, el sistema integra la visualización del entorno del avatar, simulando el punto de vista del sistema desde una cámara. Al introducir la latencia en este banco de pruebas, profundizamos en los aspectos centrales del retraso de la teleoperación.
Preparativos para la evaluación del banco de pruebas
Toby y Rohan están preparando el banco de pruebas para su evaluación. Toby asume el papel de operador y participa en un juego amistoso de piedra, papel y tijera con el avatar de Rohan. Alyssa realiza pruebas preliminares de la configuración de 2 grados de libertad.
Probando los límites
A medida que se evalúa el banco de pruebas, los investigadores exploran varios escenarios para probar las capacidades del sistema en diferentes condiciones de latencia. Desde tareas simples hasta maniobras complejas, el objetivo es comprender con qué eficacia MBRC puede superar los retrasos en las comunicaciones y brindar experiencias de teleoperación perfectas.
Ajuste fino para el rendimiento
Paralelamente, se están realizando esfuerzos para perfeccionar los modelos predictivos utilizados en MBRC, garantizando su precisión y capacidad de respuesta en una variedad de condiciones operativas. Al optimizar continuamente los algoritmos y parámetros del sistema, nos esforzamos por ofrecer un rendimiento de teleoperación superior y la satisfacción del usuario.
Mejorar la interacción del usuario
Además de mitigar los retrasos en las comunicaciones, MBRC mejora la interacción del usuario al proporcionar un control intuitivo sobre el entorno remoto. Los operadores pueden manipular los modelos basados en la física con precisión, lo que permite una ejecución perfecta de tareas y maniobras. Este mayor nivel de control no solo mejora la eficiencia operativa sino que también fomenta una experiencia de teleoperación más inmersiva, cerrando la brecha entre el operador y el entorno remoto. A medida que continuamos perfeccionando MBRC, nuestro enfoque sigue siendo brindar a los usuarios mecanismos de control intuitivos y receptivos para capacidades de teleoperación mejoradas.
