O controle compartilhado tem como objetivo unir o melhor da capacidade do ser humano e de um sistema computacional para controlar uma m´aquina. Assim, o controle compartilhado tenta unir a criatividade e adaptabilidade do ser humano, com a capacidade de executar tarefas repetitivas de maneira r´apida, precisa e incans´avel de um sistema computacional. Na atualidade n˜ao existe uma arquitetura definitiva para a implementa¸c˜ao de algoritmos de controle compartilhado e diferentes arquiteturas s˜ao propostas para tentar resolver esse problema, j´a que cada uma delas tem seus pontos positivos e negativos (IEEE SMCS, 2015).
O uso do controle compartilhado em sistemas assistivos como cadeira de rodas tem sido amplo e sempre visando complementar as capacidade do usu´ario do sistema, sem comprometer a capacidade do usu´ario controlar o sistema, fato que pode desestimula- lo.v´arios tipos de ajuda na sua vida di´aria e precisa ter parte de sua autonomia devolvida. Na se¸c˜ao anterior foram citados v´arios trabalhos que adaptaram cadeiras de rodas e possuem uma camada que complementa os comandos enviados pelo usu´arios atrav´es das mais diferentes interfaces. Um dos primeiros trabalhos que tentam elaborar um sistema de controle compartilhado ´e o de Levine et al. (1990) que elabora o modo Tele-autonomous. Outros trabalhos citados na se¸c˜ao anterior que desenvolveram modos de controle compar-
tilhado s˜ao: Lankenau e R¨ofer (2000), Montesano et al. (2010), Carlson e Millan (2013), Bastos-Filho et al. (2014).
No trabalho de Bourhis e Agostini (1998a) os autores mostram o desenvolvimento de um sistema de coopera¸c˜ao homem-m´aquina para o controle de uma cadeira de rodas, a VAHM, j´a citada anteriormente. Baseando-se ainda nos mesmos conceitos de custo limitado, pouca familiaridade com tecnologia e que o usu´ario deve fazer parte do contexto, os autores desenvolveram um sistema de controle compartilhado que, de acordo com diferentes modos de opera¸c˜ao, o usu´ario ou a m´aquina passam a ser supervisores.
Quando a cadeira opera em modo aut^onomo ou semiaut^onomo o usu´ario deve agir como supervisor da m´aquina. Nesses modos o usu´ario pode reagir em tr^es n´ıveis diferentes: Skill-based, Rule-based e Knowledge-based. No primeiro n´ıvel o usu´ario delibera a¸c˜oes que s˜ao rea¸c˜oes, como por exemplo parar a cadeira mediante uma colis˜ao evidente. No segundo ele age a partir de regras b´asicas, decidindo para qual lado virar quando em uma bifurca¸c˜ao e no terceiro o usu´ario age atrav´es de um conhecimento mais global, intervindo ao saber que uma rota calculada pelo sistema ´e imposs´ıvel de ser realizada.
Essa arquitetura de controle compartilhado baseia-se totalmente na troca de in- forma¸c˜oes entre o usu´ario da cadeira e o sistema, e a todo momento ´e o usu´ario que possui controle sobre o sistema, restando ao sistema apenas o papel de fazer sugest˜oes. Nos testes realizados pelos autores ficou evidente a import^ancia de se possuir um sistema que consiga compartilhar bem o comando com o usu´ario, pois tal fator est´a intimamente ligado com a qualidade da experi^encia do usu´ario ao utilizar o equipamento.
Algumas outras abordagens de controle compartilhado sugerem que, ao inv´es do sistema ter comportamentos totalmente aut^onomos escolhidos pelos usu´ario, os sistemas devem ser capazes de suprir da melhor maneira poss´ıvel as dificuldades do usu´ario. Esse tipo de abordagem al´em de devolver a autonomia do usu´ario ainda pode auxiliar sua reabilita¸c˜ao.
Nesta linha destaca-se o trabalho de Urdiales et al. (2010) em que os autores apre- sentam uma t´ecnica para o controle compartilhado que a todo momento tenta balancear se ser´a o usu´ario ou rob^o que ter´a mais controle sobre o sistema. O controle do rob^o ´e neste caso calculado usando campos potenciais e o comando do usu´ario ´e transformado em um vetor. Deste modo, tanto o rob^o quanto o usu´ario fornecem vetores que devem ser somados de modo que um dos dois seja privilegiado.
Para calcular o quanto o comando do usu´ario ou do rob^o ser´a privilegiado o sistema baseia-se inicialmente numa m´etrica sobre o caminho calculado pelo rob^o e pelo usu´ario. Para caracterizar a trajet´oria s˜ao usadas tr^es m´etricas: suavidade, que indica o quanto se esta desviando da trajet´oria anterior, precis˜ao, que indica o quanto se est´a desviando do objetivo, e seguran¸ca, que indica o qu˜ao pr´oximo se est´a de obst´aculos. Com a combina¸c˜ao
destas tr^es caracter´ısticas ´e ent˜ao calculado um primeiro par^ametro para dar peso aos comandos do usu´ario e do rob^o. Outro par^ametro usado pelo sistema ´e o n´ıvel de estresse do usu´ario que ´e dado de acordo com o seu batimento card´ıaco medido por um ox´ımetro de pulso. Conforme o n´ıvel de estresse aumenta o rob^o tem mais controle sobre o movimento e quando esse n´ıvel de estresse diminui o rob^o passa a ter menos influ^encia.
Com os par^ametros necess´arios o sistema ´e capaz de fundir os comandos do usu´ario e do sistema, e com isso, ter uma dire¸c˜ao final para o movimento que ajude o usu´ario quando esse encontra dificuldades em realiz´a-lo.caminho percorrido e do estresse.
Com o sistema funcional testes foram conduzidos usando uma cadeira que possu´ıa um laser range finder frontal, odometria e era controlada via joystick. Os testes foram conduzidos com miss˜oes curtas tais como navegar por uma cozinha estreita e passar por uma porta. Com a participa¸c˜ao de sujeitos que apresentam diferentes graus de defici^encia motora o sistema mostrou-se confi´avel e os resultados obtidos foram positivos, mostrando que o sistema melhora a efici^encia e a facilidade dos usu´arios ao controlar a cadeira.
No artigo Urdiales et al. (2013) os autores permanecem na linha de pesquisa sobre solu¸c˜oes de controle compartilhado que fornecem a quantidade exata de ajuda para o usu´ario. Com isso os autores apresentam nesse trabalho uma solu¸c˜ao que atrav´es de um perfil de usu´ario m´edio ´e capaz de adaptar o aux´ılio fornecido. Para obter o perfil do usu´ario m´edio os autores utilizaram dados de navega¸c˜ao de mais de 70 volunt´arios ao longo de dois anos. Com esses dados os autores criaram uma estrat´egia de classifica¸c˜ao em tr^es etapas para obter este perfil.
O primeiro passo foi classificar os dados conforme a configura¸c˜ao dos obst´aculos em rela¸c˜ao `a cadeira e o ponto objetivo, por exemplo: HSGR (High Safety Goal Region) ´
e uma situa¸c˜ao onde n˜ao existem obst´aculos na zona de prote¸c˜ao da cadeira e o ponto objetivo ´e vis´ıvel `a cadeira (n˜ao existe nenhum obst´aculo entre a cadeira e o obst´aculo). Outra situa¸c˜oes s˜ao: dois obst´aculos na zona de prote¸c˜ao, apenas um obst´aculo e tamb´em objetivos fora da linha de vis˜ao da cadeira.
A segunda etapa foi classificar a orienta¸c˜ao da cadeira em rela¸c˜ao a obst´aculos e ao objetivo para cada uma das 6 subclasses anteriores. Para obter o n´umero total de subclasses desta etapa os autores utilizaram a m´etrica de Davies-Bouldin, com o n´umero de classes definidas utilizou-se um m´etodo de classifica¸c˜ao baseado na dist^ancia euclidiana para obter cada classe.
Na terceira e ´ultima etapa os autores classificaram cada solu¸c˜ao para cada si- tua¸c˜ao espec´ıfica da etapa dois de acordo com uma m´etrica de efici^encia, assim como em Urdiales et al. (2010) baseada em suavidade, precis˜ao e seguran¸ca. Com a m´edia des- sas caracter´ısticas obteve-se o perfil do usu´ario m´edio para uma s´erie de situa¸c˜oes que o usu´ario tem de lidar quando navegando em ambiente interno.
Com o perfil padr˜ao definido resta apenas obter o perfil do usu´ario atual e com- par´a-lo. Ao fazer esta compara¸c˜ao ´e poss´ıvel verificar quais s˜ao as situa¸c˜oes em que o usu´ario mais precisa de ajuda e ao identific´a-las aumentar a participa¸c˜ao da cadeira na realiza¸c˜ao do movimento. Importante observar que o perfil do usu´ario tamb´em pode ir sendo atualizado e a quantidade de ajuda fornecida pode se alterar com o tempo, melho- rando a experi^encia do usu´ario.
Ap´os testes realizados com 18 volunt´arios com v´arios tipos de defici^encias o sistema mostrou que consegue identificar corretamente quais as situa¸c˜oes que usu´ario precisa de mais ajuda e tamb´em foi poss´ıvel verificar como o controle compartilhado auxilia o participante em diferentes situa¸c˜oes, mostrando-se portanto um m´etodo de benchmarking para t´ecnicas de controle compartilhado.
Os autores relatam ainda que ´e preciso elaborar em um sistema para prever qual manobra o usu´ario ir´a realizar e assim o sistema de controle compartilhado ser capaz de se adaptar a cada situa¸c˜ao. Nos testes realizados, uma vez definida a contribui¸c˜ao da m´aquina e do usu´ario ela se mantinha em todas as situa¸c˜oes, levando inclusive a situa¸c˜oes em que a efici^encia em algumas manobras foi prejudicada pelo uso do controle compartilhado.
No artigo de Carlson e Demiris (2012) os autores apresentam uma linha de controle compartilhado que tenta detectar a inten¸c˜ao do usu´ario para ent˜ao corrigir o movimento at´e o objetivo. A t´ecnica utilizada pelos autores emprega uma t´ecnica de localiza¸c˜ao e atrav´es do modelo do ambiente os autores definem manualmente objetivos como passagem de portas, mesas e outros locais.
Definidos os objetivos, atrav´es do comando enviado pelo usu´ario o sistema avalia qual a possibilidade do usu´ario estar se direcionando para o objetivo. Se for detectada que de fato a inten¸c˜ao do usu´ario ´e alcan¸car o determinado objetivo, ´e ent˜ao tra¸cada uma rota segura at´e objetivo, utilizando algoritmos como A*, D*, ou, no caso do trabalho, elastic band method.
De posse da rota segura at´e o objetivo e baseado no comando enviado pelo usu´ario o sistema faz a predi¸c˜ao de onde o comando do usu´ario levar´a a cadeira utilizando um modelo din^amico. Se de acordo com a etapa de predi¸c˜ao a cadeira se afasta da rota segura, o sistema tenta orientar o usu´ario para a rota de maneira proporcional ao erro que o comando enviado se afasta da rota.
Essas etapas s˜ao percorridas enquanto o sistema reconhece que a inten¸c˜ao do usu´ario ´e se dirigir para o objetivo. Se essa hip´otese falhar, o algoritmo de controle com- partilhado n˜ao interv´em na cadeira e deixa todo controle para o usu´ario. Deste modo, ´e permitido ao usu´ario deslocar-se livremente pelo ambiente e inclusive desistir de alcan¸car um ponto objetivo.
rimentos foi avaliada atrav´es de uma tarefa secund´aria a carga de trabalho demandada pela tarefa de navega¸c˜ao. Nos resultados ´e observado que globalmente a efici^encia dos participantes melhora ao utilizar o controle compartilhado, mas para alguns participantes o controle compartilhado diminui a efici^encia. Ainda ´e mostrado que o comando manual da cadeira aumenta muito a carga de trabalho dos participantes que ´e aliviada quando utilizado o controle compartilhado.
No trabalho de Lopes et al. (2013) os autores apresentam uma abordagem de controle compartilhado onde um objetivo ´e fornecido pelo usu´ario e este ir´a auxiliar o sistema em algumas tomadas de decis˜ao. O sistema tratado no trabalho possui um mapa m´etrico e outro topol´ogico calculados a priori para permitir o usu´ario escolher o ponto de destino. Escolhido o ponto objetivo, o sistema utiliza o algoritmo A* para calcular o trajeto livre de obst´aculos. Para levar a cadeira at´e o ponto final o sistema utiliza um m´odulo para fazer o rastreamento desta trajet´oria, utiliza um algoritmo de localiza¸c˜ao Markoviana e um m´odulo de desvio de obst´aculos.
A camada de controle compartilhado tenta identificar ao longo do caminho si- tua¸c˜oes com m´ultiplas dire¸c˜oes poss´ıveis, bifurca¸c˜oes e desvio de obst´aculos, e situa¸c˜oes de dead-end. Para identificar bifurca¸c˜oes o sistema utiliza os mapas do ambiente e as demais situa¸c˜oes atrav´es do m´odulo de desvio de obst´aculos.
Para cada uma das situa¸c˜oes anteriores o sistema fornece algumas op¸c˜oes de escolha para o usu´ario. Por exemplo: em caso de um dead-end, andar para tr´as e rotacionar 180 graus para esquerda ou direita. Ao fazer o movimento para contornar o problema identificado pelo sistema, uma outra camada ´e acionada e ser´a respons´avel por calcular o movimento final do usu´ario baseado no movimento escolhido e nas restri¸c˜oes do sistema. Esta ´ultima camada ´e representada pelo c´alculo de uma fun¸c˜ao de custo que leva em conta: a diferen¸ca angular do comando escolhido pelo usu´ario e cada uma das dire¸c˜oes candidatas, um fator que mede a capacidade do usu´ario, outro que mede a taxa de acerto deste usu´ario e o custo da escolha, calculado pelo m´odulo de desvio de obst´aculo. A partir desta fun¸c˜ao de custo a dire¸c˜ao que retornar o menor valor ser´a a dire¸c˜ao de desvio.
Experimentos foram conduzidos pelos autores com dez participantes saud´aveis e um participante com severas disfun¸c˜oes motoras em dois diferentes cen´arios. Um primeiro com apenas um obst´aculo e sem pedestres e no segundo com pedestres e obst´aculos for- mando uma passagem estreita. Ao final dos experimentos o sistema de navega¸c˜ao auxiliou os usu´arios a navegar sem colis˜oes e na m´edia conseguiram obter bons resultados, no que se relaciona ao total percorrido para cumprir toda a trajet´oria e, tamb´em, ao tempo para percorre-la. Os autores por´em fazem ressalvas quanto ao desempenho ao encontrar obst´aculos como pedestres e tamb´em `a taxa de acerto dos usu´arios que n˜ao ´e atualizada online o que leva a alguns comportamentos indesejados.
Por fim, os autores definem que uma nova estrat´egia para diferenciar tipos de obst´aculos ´e necess´aria, assim como a avalia¸c˜ao da taxa de acerto online e o uso de outra t´ecnica de localiza¸c˜ao mais robusta.
Algumas abordagens de controle compartilhado n˜ao usam comuta¸c˜ao de modo ou an´alise da efici^encia dos comandos, mas tentam fundir comandos do usu´ario e do sistema rob´otico. No trabalho de Olivi et al. (2013) os autores prop˜oem uma t´ecnica de controle compartilhado que controla as velocidades linear e angular do ve´ıculo de acordo com um campo vetorial. Essa t´ecnica depende sempre do usu´ario escolher para qual dire¸c˜ao deseja que o ve´ıculo se movimente, n˜ao sendo portanto uma t´ecnica de planejamento como Campo Potenciais.
A t´ecnica apresentada pelos autores consiste em computar um campo vetorial que ir´a controlar a velocidade linear de acordo com a proximidade de obst´aculos e outro campo que ir´a controlar o valor da velocidade angular conforme a localiza¸c˜ao da ´area livre mais pr´oxima dada pelo diagrama de Voronoi em torno do ve´ıculo. Com as devidas velocida- des calculadas resta ao usu´ario escolher qual dire¸c˜ao ele deseja ir e ent˜ao a velocidade previamente calculada ´e aplicada ao ve´ıculo.
Nos testes conduzidos pelos autores junto com o algoritmo de controle comparti- lhado foi usado um algoritmo de SLAM para fornecer um modelo do ambiente e permitir que o diagrama de Voronoi fosse obtido. Para os testes realizados n˜ao foram utilizados diferentes usu´arios saud´aveis e, em compara¸c˜ao com outras t´ecnicas de controle compar- tilhado, esse se mostrou 58% mais eficiente em termos de regularidade de trajet´oria para um mesmo cen´ario.
Testes em grandes ambientes tamb´em s˜ao apresentados e se mostram encorajado- res, pois ao mesmo tempo que ´e permitido ao usu´ario navegar a maior parte do tempo pelas linhas do diagrama de Voronoi, tamb´em ´e poss´ıvel que o usu´ario visite ´areas pr´oximas a obst´aculos que n˜ao pertencem a esse diagrama.
3 Projeto da Cadeira Robotizada
Neste cap´ıtulo ser´a abordado o processo de adapta¸c˜ao de cadeira de rodas motori- zada para usu´arios com diferentes n´ıveis de defici^encias motoras e cognitivas. Inicialmente ser˜ao abordados os requisitos desejados para a cadeira de rodas, como por exemplo: aten- der `as necessidades do usu´ario, crit´erios de custo e crit´erios de customiza¸c˜ao. Posterior- mente ser´a detalhado o processo de adapta¸c˜ao para atender os requisitos levantados, cul- minando com uma Cadeira Robotizada ou Cadeira Inteligente (smart wheelchair ) (DING; COOPER, 2005).