Robot de distribution en ligne active téléopéré basé sur le contrôle partagé homme-robot

Résumé

Un robot fonctionnel de distribution en ligne active téléopéré, basé sur le contrôle partagé homme-robot, a été développé. Des expériences en laboratoire ont montré que la pondération à commandes partagées améliorait l’efficacité de la trajectoire tout en réduisant le temps d’accomplissement des tâches et les sous-mouvements. Un algorithme de détection abrupte du comportement de téléopération réduisait les mouvements soudains des opérateurs et était validé avec succès lors des opérations de tapage sur le terrain.

Résumé

Le travail traditionnel sur lignes électriques de distribution repose sur le travail manuel, caractérisé par un risque élevé, une forte intensité de travail et des coûts de formation élevés ; Ainsi, développer des robots de fonctionnement en ligne active de distribution est une voie essentielle pour remplacer les opérations manuelles. Cependant, l’environnement de travail est très déstructuré et dynamique, avec des défis tels que l’éclairage extérieur complexe et des conditions de vent imprévisibles. Les robots existants utilisent principalement soit la téléopération maître-esclave, soit des modes entièrement autonomes, qui imposent de lourdes charges mentales aux opérateurs, sont très sensibles à des mauvais manœuvres et présentent une adaptabilité environnementale limitée.

Pour répondre à ces problèmes, cette étude présente un robot fonctionnel en ligne active téléopéré basé sur le contrôle partagé homme-robot. La trajectoire finale du manipulateur est obtenue par une combinaison linéairement pondérée de deux trajectoires de référence fournies séparément par l’opérateur humain et le module de planification automatique du robot. Cette approche réduit la dépendance du robot envers l’opérateur, soulage la charge mentale de l’opérateur, améliore l’efficacité et évite les erreurs brusques de la part de l’opérateur humain. Enfin, l’article présente la conception du système et en vérifie l’efficacité par application dans des opérations réelles de tapping en ligne réelle.

Introduction

Le fonctionnement par ligne active est une méthode critique pour l’inspection, les tests et la maintenance des équipements haute tension. Le volume de travail sur les lignes en ligne en Chine a augmenté rapidement. Du point de vue de la demande industrielle, résoudre la sécurité du personnel dans le travail en ligne directe est une tâche à long terme et ardue. L’innovation et l’amélioration restent nécessaires dans les méthodes, technologies, équipements et concepts.

Le fonctionnement par ligne active de distribution est l’un des types de fonctionnement les plus courants de ligne sous tension, destiné à la maintenance de distribution d’électricité sur ligne active. En raison de l’environnement d’éclairage complexe, de la disposition dense des équipements et des petites distances phase-phase et phase-sol dans les lignes électriques de distribution, ces opérations ont largement reposé sur des méthodes manuelles traditionnelles. Cependant, cette approche traditionnelle est confrontée à des problèmes tels que des risques élevés, une forte intensité de travail et des coûts de formation^{élevés 1}. Par conséquent, développer des robots dotés de capacités de fonctionnement en ligne directe pour remplacer le travail manuel est devenu une tendance inévitable pour l’exploitation et la maintenance futures des réseaux de distribution.

Depuis les années 1980, des pays comme le Japon et les États-Unis mènent des recherches et des essais dans ce domaine (comme le montre la Figure 1). Les premiers systèmes étaient des robots téléopérés de suivi maître-esclave. Par exemple,^{le robot de} travail en ligne active 2 du Japon Phase II a installé un manipulateur auxiliaire à trois degrés de liberté (DOF) sur la plateforme, en plus d’un manipulateur électrique à double DOF. L’opérateur humain le contrôlait à courte distance via une tige d’action.

Le modèle américain^{TOMCAT 3} utilisait un manipulateur hydraulique contrôlé par un opérateur humain à l’intérieur d’un godet fonctionnel. De même, le Shandong Power^{Grid 4} en Chine a adopté des manipulateurs hydrauliques contrôlés par des opérateurs debout dans un godet fonctionnel. De plus, pour augmenter la distance autorisée entre les extrémités maître et esclave, le ROBTET ^5,6 espagnol utilisait des câbles à fibre optique pour la communication à distance, permettant aux opérateurs d’effectuer la téléopération depuis le sol. Ces modes de téléopération robotisée peuvent être résumés comme un mode de suivi maître-esclave. Ils souffrent d’une intelligence autonome insuffisante, obligeant le personnel à observer l’environnement et à contrôler le robot à courte portée, et ils supportent un fardeau mental important, échouant ainsi à remplacer les humains dans des environnements à haute tension et dangereux.

Pour pallier le manque d’intelligence robotique, des recherches sur des technologies intelligentes telles que la vision par ordinateur, la planification de trajectoire et l’interaction à distance homme-robot sont nécessaires afin d’améliorer les capacités autonomes du robot.

Dans le travail en ligne active de distribution, la tâche de tapping représente environ 20 ^{% 7} de la charge totale de travail (les fils de distribution sont montrés à la Figure 2). Par conséquent, l’utilisation de capteurs de vision pour identifier et localiser le fil et sa région dénudée, qui est la zone isolante retirée, pour guider le robot est cruciale. En 2020, State Grid Ruijia⁸ a développé un robot fonctionnel en ligne active de distribution capable d’interactions à distance, fusionnant des informations LiDAR et de caméras binoculaires pour la reconnaissance et le positionnement de cibles. De plus, des algorithmes combinant des opérations morphologiques et la transformée de Hough sont utilisés pour faciliter l’extraction des lignes^{électriques 9,10}. La transformée de Hough est utilisée pour détecter les lignes électriques, suivie par des algorithmes de vision stéréoscopique qui convertissent les données de pixels 2D détectées en coordonnées spatiales^{3D 11}. State Grid L’Institut de recherche sur l’énergie électrique^{du Hubei 12} a proposé un filtre basé sur la fusion de cartes couleur-profondeur. Cette méthode filtre les arrière-plans complexes entourant les lignes électriques, puis extrait des contours clairs des lignes électriques en analysant les différences de valeur en pixels dans le voisinage. De plus, l’Université des sciences et technologies de^{Chine 13} a proposé un algorithme de reconnaissance de lignes électriques basé sur l’apprentissage profond, permettant une identification rapide et une localisation de multiples lignes électriques.

Malgré le développement rapide des algorithmes de vision par ordinateur, les opérations extérieures restent difficiles. Des conditions d’éclairage complexes et des surfaces de fils réfléchissantes entraînent souvent une perte d’informations de profondeur, entraînant de faibles taux de reconnaissance et de grandes erreurs de positionnement pour des méthodes qui reposent fortement sur les données^{de profondeur 13}. Simultanément, en raison de diverses déformations irrégulières présentes dans les fils de distribution, une série de méthodes de détection en ligne droite ne sont plus applicables, comme montré à la Figure 3. De plus, les changements de direction du vent à des hauteurs élevées provoquent un mouvement vertical des lignes, entraînant des erreurs de niveau centimètre dans les résultats des algorithmes hors ligne existants.

Dans des environnements aussi dangereux, non structurés et dynamiques, appelés environnements d’opérations spéciales, la vision et les capacités de prise de décision dynamiques du robot sont limitées, rendant difficile l’exécution autonome de tâches complexes.

Il reste donc nécessaire d’introduire des capacités de prise de décision intelligentes humaines et de les combiner avec le contrôle de mouvement haute précision du robot. Les premières technologies de téléopération mentionnées ci-dessus ont fourni un canal d’intervention humaine. En combinant ces éléments avec des technologies d’interaction à distance et de téléopération en développement rapide, un corpus de recherches sur les robots de distribution téléopérée intelligente à ligne active a vu le jour.

L’Université des sciences et technologies de^{Chine 14} a mis en place une cartographie progressive de position entre les côtés maître et esclave et a utilisé la méthode du champ de potentiel artificiel (APF) pour éviter les obstacles robotiques. Par la suite, la téléopération basée sur l’admission a été mise en œuvre dans les robots de travail en ligne active de distribution. S’appuyant sur le suivi maître-esclave, cette approche permet au robot d’ajuster dynamiquement sa posture en réponse aux changements des forces de contact environnementales. L’Université des sciences et technologies électroniques de^{Chine 15} a mis en place des forces de contrainte virtuelles du côté maître pour renforcer le sentiment de téléprésence de l’opérateur. De plus, l’Université du^{Manitoba 16} a mis en place une série de dispositifs virtuels pendant le processus de téléopération pour renforcer l’expérience immersive de la perception haptique de l’opérateur.

Cependant, les robots téléopérés mentionnés ci-dessus font encore face à plusieurs défis. La tâche du côté esclave est de suivre la trajectoire de mouvement du maître, ce qui la rend fortement dépendante de la trajectoire de référence générée par l’opérateur humain. En raison d’exigences telles que des temps de travail courts et l’évitement des obstacles, cela impose un fardeau mental important au maître opérateur, ce qui nuit aux tâches opérationnelles complexes et de longue durée. L’opérateur peut commettre des actions incorrectes ou incorrectes, provoquant un mouvement brusque dans la trajectoire réelle du manipulateur. Cela peut entraîner des problèmes de sécurité tels que des collisions avec l’environnement ou des courts-circuits phase à phase.

Le contrôle partagé est une méthode qui combine efficacement les capacités de prise de décision humaines et^{robotiques 17,18}. En général, il faut que l’humain et le robot génèrent simultanément les trajectoires ou points de trajectoire désirés, puis calcule une nouvelle trajectoire partagée via une combinaison linéaire pondérée. Cette approche permet au système d’ajuster la préférence de la trajectoire partagée en modifiant les poids décisionnels de l’humain et du robot.

Par conséquent, cet article conçoit un robot fonctionnel en ligne vivante téléopéré basé sur le contrôle partagé humain-robot. Les principales contributions sont les suivantes : premièrement, en abordant le problème de la fréquence excessive d’entrée de trajectoire de référence par l’opérateur humain lors de la téléopération, une méthode de contrôle partagé homme-robot est étudiée. En attribuant des poids de contrôle à l’opérateur humain et au robot et en effectuant une combinaison linéaire pondérée sur leurs trajectoires de référence, le système réduit la dépendance de la trajectoire de référence à l’opérateur humain, allégeant ainsi la charge de l’opérateur. De plus, l’impact des différents poids d’opérateurs humains est vérifié par des expériences sur le terrain d’opérations d’écoute de fil de distribution. Deuxièmement, en traitant les comportements dangereux dans la trajectoire maîtresse, une méthode de détection abrupte du comportement d’opération est conçue pour garantir la fluidité et la sécurité de la trajectoire réelle du manipulateur. Troisièmement, des expériences physiques sont menées dans un environnement opérationnel spécial (fonctionnement en ligne active) afin de vérifier l’efficacité de l’algorithme de contrôle partagé et du système de téléopération.

Le reste de cet article présente d’abord la méthode de contrôle partagé pour le robot téléopéré, puis introduit le matériel et la configuration du système, et valide enfin l’approche par des expériences en laboratoire et un déploiement sur terrain sur un réseau de distribution 10 kV en ligne.

Protocole

Toutes les expériences impliquant des opérateurs ont été menées conformément aux directives de sécurité. Les expériences de téléopération ont été menées par trois opérateurs formés (tous droitiers, avec au moins 1 h de formation) membres de l’équipe de recherche. Aucun participant humain externe n’a été recruté, et cette étude n’a pas nécessité de revue éthique institutionnelle. Les volontaires ont été informés des procédures expérimentales, et aucune donnée personnelle ou sensible n’a été collectée au cours de l’étude.

Cadre de contrôle partagé

Dans les scénarios de fonctionnement sur lignes électriques, des facteurs tels que la courbure irrégulière des lignes électriques, la perte d’informations de profondeur causée par un éclairage extérieur complexe et le mouvement aléatoire des lignes électriques créent un environnement très déstructuré et dynamique. Ces facteurs rendent difficile pour le robot de reconnaître et localiser précisément les lignes électriques dans l’environnement. Par conséquent, dépendre entièrement de l’exploitation autonome d’un robot conduirait à l’échec des tâches.

Pour répondre à l’adaptabilité limitée des opérations robotiques entièrement autonomes, les opérateurs humains interviennent dans le processus décisionnel du robot via la téléopération, tirant parti de l’expérience humaine pour aider le robot à s’adapter à l’environnement. De plus, pour résoudre le problème de fréquence excessive d’entrée de trajectoire de référence par l’opérateur humain lors de la téléopération, une méthode de contrôle partagé homme-robot est étudiée. Cette méthode réduit la dépendance de la trajectoire réelle vis-à-vis de l’opérateur humain, allégeant ainsi la charge mentale de l’opérateur et permettant une combinaison efficace des capacités intelligentes de prise de décision humaines et des capacités de contrôle haute précision du robot.

La structure du robot de travail en ligne de distribution téléopérée, basé sur le contrôle partagé proposé dans cet article, est illustrée à la Figure 4. Où x_h est le point de trajectoire sorti par le dispositif de téléopération, r_h est le point de trajectoire de référence fourni par l’opérateur humain (mappé à l’espace cartésien du manipulateur), r_r est le point de trajectoire de référence planifié de manière autonome par le robot, servant un rôle auxiliaire. r est le point de trajectoire de référence intégré envoyé au manipulateur esclave (appelé la trajectoire partagée dans le texte suivant), f_o est les données brutes collectées par le capteur de force à l’extrémité du manipulateur, _{f e} est la force de contact entre l’ensemble d’outils à l’extrémité du manipulateur et l’environnement après compensation gravitationnelle, et x est la position actuelle du manipulateur.

Le robot de fonctionnement à ligne de distribution téléopérée est divisé en deux parties : le côté maître et le côté esclave. Le côté maître est situé au sol, où l’opérateur humain contrôle le mouvement du dispositif de téléopération. En recevant le retour de force de l’appareil rendu à la main de l’opérateur, et l’information transmise par le système de vision, l’opérateur obtient une opération immersive. Le côté esclave est le robot situé à une hauteur élevée. Après avoir reçu la pose x_h du côté maître, le robot effectue une cartographie spatiale pour obtenir r_h, et renvoie les données visuelles et haptiques collectées au côté maître.

En raison de l’alignement incomplet de la perception entre le robot et l’opérateur concernant les forces de contact, les cibles et les obstacles dans l’environnement réel, l’opérateur doit maintenir une concentration intense pour minimiser les risques de r_h. Pour réduire la dépendance de r à _{r h} et alléger la charge mentale de l’opérateur lors d’opérations de longue durée, le robot doit planifier de manière autonome une trajectoire auxiliaire r r qui soit approximativement le chemin le plus court et sûre, basée sur les informations de perception contenant des erreurs réelles. Ce r_r est ensuite pondéré linéairement avec r_h pour obtenir r, qui est commandé au manipulateur comme pose cible.

Cartographie spatiale du mouvement

La méthode incrémentale a été utilisée pour calculer l’incrément de trajectoire Δx_h donné par l’opérateur humain :

Δx_h = x_h - x^′_h (1)
où x^′_h est la pose au point de départ de la téléopération. Pour les robots de travail en ligne active où les espaces de mouvement du côté maître et du côté esclave présentent des différences significatives, la cartographie incrémentale permet à l’opérateur de choisir arbitrairement une pose pratique et de la définir comme pose de départ de la téléopération.

L’incrément de trajectoire, Δx_h, a ensuite été mappé dans l’espace cartésien du robot côté esclave pour finalement obtenir r_h. L’expression mathématique de cette application est la suivante :

Δr_h = Δx_h * k, r_h = x^′ + Δr_h       (2)
où k est le paramètre de correspondance linéaire et x' est la pose du manipulateur au point de départ de la téléopération.

Planification autonome de trajectoire
Le processus autonome de planification de trajectoire utilise l’interpolation linéaire pour calculer la trajectoire la plus courte r r de la pose actuelle à la pose cible P. Le processus de calcul est le suivant :

(3)

où P est le point cible est calculé par le système de vision, qui comprend une caméra binoculaire et un LiDAR laser stéréo. Le calcul peut être effectué en sélectionnant des points avec la souris et en transformant les coordonnées à l’aide de la matrice d’étalonnage main-œil. N est le nombre de points d’interpolation, et i est le numéro de séquence du point d’interpolation. Il convient de noter que dans des conditions d’éclairage complexes, P calculé par le système de vision contient des erreurs, ce qui empêche r_r d’accomplir la tâche de manière indépendante.

Méthode de contrôle partagé

Pour combiner l’adaptabilité de r_h à l’environnement et l’efficacité de r_r, il est nécessaire de concevoir un contrôleur partagé qui intègre deux trajectoires. Le contrôleur partagé utilise des poids d’arbitrage de paramètres fixes α, et le processus d’implémentation est le suivant :

r = (1 - α) * r_r + α * r_h (4)

Méthode de détection abrupte du comportement d’opération

Lors du processus de téléopération à distance, un comportement erroné peut survenir de la part de l’opérateur, entraînant des changements brusques de trajectoire, pouvant même provoquer une collision avec l’environnement. Pour garantir un mouvement sûr et fluide du manipulateur du côté esclave, il est nécessaire de détecter et de gérer ce comportement de téléopération excessif du côté maître. Le flux de l’algorithme de contrôle partagé, y compris la détection abrupte du comportement, est illustré à la Figure 5.

Construction du système de téléopération

L’environnement de travail en ligne de vie se caractérise par une forte structure et un environnement dynamique. Par conséquent, les robots ne peuvent pas se fier uniquement à leur perception autonome et à leurs capacités décisionnelles pour accomplir des tâches ; ils doivent être augmentés par l’intelligence humaine. La téléopération présente une technique efficace pour intégrer l’intervention humaine dans le processus de planification de trajectoire du robot. Dans un tel système, le côté maître implique un opérateur contrôlant un dispositif de téléopération au sol, tandis que le côté esclave en hauteur est constitué de plusieurs sous-systèmes.

Cette étude détaille le développement d’un système robotique de téléopération spécifiquement conçu pour l’exploitation d’un réseau de distribution, dans le but d’effectuer des tâches de tapping en ligne active.

Introduction du système robotisé téléopéré

Le système de télé-opération comprend le sous-système de perception, le sous-système de contrôle, le sous-système de manipulation, le sous-système d’outils, le sous-système du support d’isolation et les dispositifs d’interaction homme-robot côté maître. L’utilisation détaillée de chaque sous-système transporté par le robot dans le système est présentée dans le tableau 1, et le système matériel est illustré à la figure 6.

Sous-système de perception : Le sous-système est responsable de fournir des images RVB 2D et des informations de profondeur spatiale pour guider les mouvements du robot et garantir la sécurité opérationnelle. Pour cela, il est équipé d’un LiDAR laser pour la modélisation environnementale à grande échelle à longue distance ; une caméra binoculaire pour la reconnaissance et la localisation de cibles de haute précision à courte distance ; une caméra de surveillance pan-tilt-zoom (PTZ) pour fournir une vue opérationnelle et la renvoyer à l’opérateur tout au long du processus. De plus, un capteur de force est intégré pour percevoir les forces externes et fournir un retour de force à l’opérateur humain, ce qui aide à prévenir les arrêts du système causés par des forces de contact excessives entre l’extrémité robotique et l’environnement.

Sous-système manipulateur : En tant qu’exécuteur principal des tâches, ce sous-système se compose de deux manipulateurs disposés dans une configuration homogène à double bras.

Sous-système de contrôle : En tant que sous-système central du robot de travail en ligne active, il fonctionne comme centre de calcul, de contrôle et d’approvisionnement énergétique de la plateforme, responsable de l’envoi des commandes opérationnelles vers tous les autres sous-systèmes. Pour assurer l’isolation et la sécurité du côté sol, le module d’alimentation utilise une alimentation indépendante sur la plateforme surélevée. Il utilise une alimentation 48V DC pour le contrôle de l’alimentation et du disque, ce qui réduit les pertes d’inversion et minimise donc le volume et le poids du système électrique.

Sous-système effecteur final : Des effecteurs finaux spécialisés (outils) sont montés à l’extrémité du manipulateur pour exécuter des opérations spécifiques. Une série d’outils spécialisés avec des interfaces standard a été développée pour différentes tâches. Pour les opérations du réseau de distribution, cela inclut un outil de démontage et un outil de sertissage (comme montré à la Figure 7), où l’outil utilise trois générateurs laser de 80 W et 450 nm de longueur d’onde avec une taille de point focal de 130 × 180 μm, modulés via 5 V PWM. Le temps moyen de fonctionnement pour démonter une section de 120 mm sur un câble de distribution de diamètre de 18 à 24 mm est d’environ 2 minutes à pleine puissance nominale dans des conditions de température ambiante. L’outil de sertissage est responsable de fixer solidement le fil conducteur de prise au fil principal avec une pince, établissant ainsi la continuité électrique.

Sous-système porteur isolé : Ce sous-système sert à transporter le robot vers la position de travail surélevée. Il se compose généralement d’une plateforme de travail aérienne à chenilles ou isolée à roues (également appelée camion naus). Pour permettre un contrôle intégré de l’ensemble du système robotique, il dispose de capacités de contrôle numérique (comme montré à la Figure 8).

Sous-système d’interaction humain-robot côté maître : Pendant le fonctionnement, l’opérateur humain envoie des commandes au système robotisé via une tablette portable, un PC, une poignée de téléopération et d’autres dispositifs informatiques. Ces dispositifs reproduisent les données du capteur, qui incluent la vision et la force de contact renvoyées par le robot, permettant à l’opérateur de surveiller l’état du robot en temps réel, et également de cartographier le mouvement de la main de l’opérateur jusqu’à l’extrémité du manipulateur. Les liens de communication entre les sous-systèmes sont illustrés à la Figure 9.

Dispositifs de téléopération

Dans ce système, les dispositifs maître et esclave pour la téléopération sont respectivement le dispositif haptique et le manipulateur. Les paramètres de Denavit-Hartenberg (DH) pour chacun seront introduits.

Comme montré dans les Figures 10A, B, ce sont les cadres de coordonnées de liaison du manipulateur. Pour les six articulations revolutes du manipulateur (L₁, L₂,_{L 3},_{L 4},_{L 5}, L₆), un référentiel de coordonnées est établi pour chaque articulation selon la règle de la main droite et les principes de la convention de Denavit-Hartenberg (DH).

Dans la Figure 10B, x₁∼x₆, y₁∼y6, z₁∼z₆, représentent respectivement les axes x, y, z du référentiel de coordonnées de chaque articulation. Sur la base de ces cadres de liaison établis, le modèle de cinématique avant du manipulateur peut être créé. La notation DH utilise quatre paramètres : a_i, α_i, d_i et θ_i.

Ces paramètres sont définis comme suit : un_i : représente la distance entre le déplacement de l’axe z de la tige i le long de son axe x à l’axe z de la tige (i+1)-ième ; α_i : fait référence à l’angle de rotation de l’axe z de la tige i-ème autour de son axe x vers l’axe z de la tige (i+1)-ième ; d_i : représente la distance entre le déplacement de l’axe x de la tige i et son axe x le long de l’axe z de la tige i-ème ;  θ_i : fait référence à l’angle de rotation de l’axe x de la tige i vers son axe x autour de l’axe z de la tige i-ème.

Le modèle cinématique est établi à l’aide de la méthode des paramètres DH, et les paramètres DH pour le manipulateur sont présentés dans le tableau 2 ci-dessous.

La poignée de téléopération est le dispositif haptique utilisé comme manipulateur maître, dont les articulations sont configurées en chaîne série. Les référentiels de coordonnées joints sont montrés à la Figure 10C ; La méthode de modélisation est la même que celle du manipulateur esclave.

Conception des expériences

Pour valider quantitativement l’algorithme de contrôle partagé proposé avant le déploiement sur le terrain, nous menons deux expériences en laboratoire sur une plateforme de téléopération manipulatrice 6-DOF fonctionnant à 50 Hz, réalisée par un script Python fonctionnant sur un PC standard. À chaque cycle de contrôle, le script lit la pose côté maître, calcule la trajectoire partagée et envoie la pose cartésienne cible au manipulateur. Un intervalle fixe de 20 ms est appliqué entre les commandes consécutives, donnant un taux de mise à jour de 50 Hz, ce qui est le même que sur la plateforme du laboratoire. La plateforme de laboratoire partage la même architecture de contrôle et le même algorithme de contrôle partagé (Équation 4) que le robot de travail en ligne active décrit dans la construction du système de téléopération, ne différant que par la cinématique du manipulateur et l’échelle de l’espace de travail. Une tâche de tapotement simulée est utilisée : en présence d’obstacles (une bouteille d’eau et une colonne en aluminium), l’opérateur contrôle l’effecteur final du manipulateur depuis la position de départ A jusqu’à la position de cible B, imitant l’opération d’écoute téléphonique, illustrée à la Figure 11. Pour garantir la répétabilité exacte des expériences en laboratoire, les obstacles physiques et le point final cible étaient précisément positionnés dans le système de coordonnées de base du manipulateur esclave. Deux obstacles principaux ont été installés dans l’espace de travail : une bouteille d’eau en plastique (dimensions de base : 8 cm × 8 cm, hauteur : 25 cm) placée avec son centre inférieur aux coordonnées (X = 55 cm, Y = 5 cm), et un profil en aluminium (dimensions de base : 2 cm × 2 cm, hauteur > 50 cm) placé avec son centre inférieur aux coordonnées (X = 35 cm, Y = -30 cm). Le point final de la tâche de téléopération était fixé aux coordonnées (X = 50 cm, Y = -17 cm, Z = 26 cm). Par la suite, l’algorithme validé est déployé sur le robot de travail en ligne active pour une démonstration sur le terrain.

La procédure expérimentale est menée par un flux de travail continu et intégré. D’abord, lors de l’initialisation du système, les manipulateurs esclave et maître sont allumés, et le logiciel de contrôle est lancé pour vérifier la stabilité bilatérale de la communication à une fréquence de 50 Hz. Pour éviter des sauts de contrôle soudains au début de la téléopération, une phase d’alignement maître-esclave est effectuée avant la téléopération active. À cette phase, l’opérateur guide manuellement le manipulateur maître jusqu’à ce que sa position cartésienne de l’effecteur final (définie dans la trame de base du maître) se trouve à moins de 30 mm de la position cartésienne actuelle de l’effecteur final du manipulateur esclave (définie dans la trame de base de l’esclave). Ces positions cartésiennes sont obtenues directement à partir du retour de contrôle intégré de chaque manipulateur, tandis que le logiciel de contrôle surveille leur distance euclidienne en temps réel. Une fois cet alignement réussi, la position actuelle de l’esclave est enregistrée comme position de départ, notée position A. Par la suite, la spécification de la cible est réalisée en demandant à l’opérateur de guider manuellement l’effecteur final esclave vers l’emplacement de l’objectif souhaité pour enregistrer ses coordonnées cartésiennes, désignées comme position de cible B. Le planificateur autonome génère alors une trajectoire de référence linéaire s’étendant de la position de départ vers la position B. Ensuite, l’opérateur lance la tâche de téléopération à commande partagée. Lors de l’exécution active, le système fonctionne à un cycle de contrôle de 20 ms, lisant continuellement la position maître en entrée, effectuant une vérification en ligne pour détecter tout comportement abrupt des opérateurs, calculant la trajectoire de contrôle partagée en sortie (comme formulé dans l’équation 4), et délivrant les commandes correspondantes au manipulateur esclave. Par mesure de sécurité, si un mouvement brusque est détecté, le manipulateur esclave se fige immédiatement et maintient sa dernière position valide en mode de maintien de position dédié ; pour se remettre de cet état et reprendre automatiquement la téléopération à contrôle partagé, l’opérateur doit manuellement déplacer le manipulateur maître en arrière jusqu’à ce que la distance euclidienne maître-esclave de l’effecteur final tombe en dessous d’un seuil de récupération de 20 mm. Enfin, l’essai est terminé et jugé réussi lorsque l’effecteur final esclave atteint et reste à moins de 5 mm de la position cible B.

Expérience 1 : détection abrupte du comportement de fonctionnement
Cette expérience valide le mécanisme de détection sur la plateforme du laboratoire. Lors de la téléopération à 50 Hz, le déplacement par image de l’effecteur principal est surveillé. Lorsqu’il dépasse D_th = 6 mm/frame (vitesse instantanée 300 mm/s), le système entre en état CONGELÉ : le manipulateur esclave cesse de suivre et conserve sa dernière configuration valide. L’esclave reste figé jusqu’à ce que l’opérateur ramène le maître à moins de 20 mm de la position figée.

Expérience 2 : Comparaison des performances de contrôle partagé

Trois poids d’arbitrage α=0,3, α=0,8, α=1,0 sont comparés sur la plateforme du laboratoire, comme documenté dans la Vidéo Supplémentaire 1, la Vidéo Supplémentaire 2 et la Vidéo Supplémentaire 3. Un total de 45 essais expérimentaux ont été menés, impliquant trois opérateurs effectuant cinq répétitions sous chacune des trois conditions d’arbitrage. La performance du système a été évaluée à l’aide de trois indicateurs clés d’évaluation. Premièrement, temps d’achèvement T : durée totale depuis la première entrée opérateur jusqu’à l’effecteur final esclave atteignant la position cible B ; Un temps plus court signifie une meilleure efficacité opérationnelle. Deuxièmement, l’efficacité de trajectoire η=L_droit/L_réelle, où L_droite est la distance euclidienne de la position de départ A à la position cible B, et L_réelle est la longueur totale du chemin parcourue par l’effecteur final esclave pendant l’essai, η=1 indique un chemin parfaitement efficace et direct ; des valeurs plus basses indiquent un mouvement plus redondant et chargé de détours. Troisièmement, le nombre de sous-mouvements N_{sous-mouvement} représente le nombre de segments de mouvement distincts, calculé en comptant les passages de zéro dans le profil de vitesse lissé de l’effecteur final maître ; un décompte plus faible indique une opération plus continue et confiante, avec une charge cognitive plus faible sur l’opérateur. Enfin, la signification statistique entre les trois conditions d’arbitrage est évaluée à l’aide du test H de Kruskal-Wallis, avec des tests U de Mann-Whitney par paires utilisés pour des comparaisons post-hoc.

Expérience 3 : Déploiement sur le terrain

Après validation en laboratoire, l’algorithme de contrôle partagé (α=0,3) et la détection abrupte de comportement sont déployés sur le robot de travail en ligne active décrit dans la construction du système de téléopération.

Résultats

Détection abrupte du comportement d’opération
La figure 12 montre l’analyse en série temporelle d’un essai représentatif sur la plateforme du laboratoire, incluant deux mouvements brusques intentionnels.
Les deux mouvements brusques ont été détectés (TPR = 100 %) à 1,81 s et 5,72 s respectivement, sans aucun faux positif (FPR = 0 %) pendant 13,2 s de fonctionnement normal. Temps de réponse au gel : 1 image (20 ms), mesuré par le timing de la boucle de contrôle.

Performance de contrôle partagé
La figure 13 présente la comparaison sur 45 essais (3 opérateurs × 5 répétitions ×3 conditions) sur la plateforme du laboratoire, les détails des données sont fournis dans le tableau 3.
Les résultats démontrent qu’un poids de contrôle partagé approprié peut améliorer significativement les performances en téléopération. Sous le contrôle partagé dominé par le robot (α=0,3), le temps d’accomplissement des tâches a diminué de 31,4 %, et le nombre de sous-mouvements a diminué de 37,9 % par rapport à la téléopération pure (α=1,0), réduisant ainsi la charge mentale de l’opérateur en nécessitant moins d’actions correctives et de décisions. Par contre, l’efficacité de la trajectoire s’est améliorée de 57,8 %, ce qui indique que la planification autonome de la trajectoire du robot élimine efficacement les trajets redondants et guide l’opérateur vers des mouvements plus directs et efficaces. Ces tendances étaient constantes chez les trois opérateurs indépendants.

Déploiement sur le terrain sur robot de travail en ligne active
L’algorithme de contrôle partagé validé (α = 0,3) avec détection abrupte de comportement a été déployé sur le robot de travail en ligne active équipé d’un manipulateur industriel à 6 DEF. Le robot a réussi une opération de tapping en ligne active sur un réseau de distribution de 10 kV, démontrant la transférabilité de l’algorithme validé en laboratoire vers le système de terrain réel. La figure 14A montre le robot effectuant une opération de tapping en ligne active à une hauteur élevée, tandis que la figure 14B montre l’opérateur effectuant la téléopération depuis la station au sol.

DISPONIBILITÉ DES DONNÉES :
Toutes les données brutes soutenant les résultats de cette étude sont disponibles en https://github.com/huchenyu778797-lgtm/piper_shared_control/issues et dans le Fichier Supplémentaire 1.

Figure 1 : Premiers systèmes télérobotiques pour la maintenance en ligne active. (A) Le robot de phase II développé au Japon. (B) Le système TOMCAT s’est développé aux États-Unis. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Figure 2 : Fils de distribution typiques de 10 kV. La couche extérieure est une coque isolante, tandis que la couche intérieure est métallique. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Figure 3 : Défis visuels en extérieur. L’image met en lumière la courbure irrégulière des câbles et la perte d’informations de profondeur causée par un éclairage complexe. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Figure 4 : Structure du système de contrôle partagé. Le diagramme illustre l’intégration de l’entrée de l’opérateur humain du côté maître et la planification autonome du robot du côté esclave pour générer une trajectoire fusionnée. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Figure 5 : Organigramme de l’algorithme de contrôle partagé. Le processus comprend l’acquisition de données, la détection abrupte d’opérations, la fusion de trajectoire basée sur un contrôle partagé, et l’exécution de commandes de mouvement final. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Figure 6 : Le système de robots de fonctionnement en ligne de production téléopéré. (A) Aperçu du système complet déployé sur le terrain. (B) Conception matérielle détaillée et disposition des composants du système robotique. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Figure 7 : Étapes clés de l’opération de tapping en ligne active. (A) Ablation laser de la couche d’isolation extérieure. (B) Retrait de la couche d’isolation pour exposer le noyau métallique. (C) Fixation du fil conducteur de prise à la ligne principale à l’aide d’une pince. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Figure 8 : Préparation au déploiement sur le terrain. Un camion à godets isolé est utilisé pour transporter le manipulateur d’esclaves jusqu’à la position de travail surélevée près des lignes haute tension. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Figure 9 : Architecture de la communication. Le schéma montre les voies de transmission des données entre la station de contrôle maître et le manipulateur esclave distant, assurant une téléopération à faible latence. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Figure 10 : Modélisation cinématique des manipulateurs. (A) Le système de coordonnées conjoint établi pour le manipulateur esclave. (B) Vue détaillée des châssis articulaires du manipulateur d’esclaves. (C) Le système de coordonnées conjoint du manipulateur maître. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Figure 11 : Installation expérimentale en laboratoire. (A) Le manipulateur maître et le manipulateur esclave sont utilisés pour les tests. (B) L’environnement simulé de tapping avec des obstacles physiques et un point d’arrivée cible. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Figure 12 : Analyse en série temporelle de la détection abrupte de comportement sur la plateforme de téléopération du laboratoire. (Haut) Les positions maître (bleu) et esclave (rouge) dans X, Y, Z. Ombrage rouge = intervalles figés. (Milieu) distance maître-esclave (orange) ; Ligne verte pointillée = seuil de reprise de 20 mm. (Bas) Déplacement par cadre (violet) ; ligne rouge = D_th = 6 mm ; points rouges = images dépassées. Paramètres : 50 Hz, D_th = 6 mm/image. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Figure 13 : Comparaison des performances de contrôle partagé sur la plateforme de téléopération en laboratoire sous trois conditions. Barres = moyenne ; barres d’erreur = ±1 écart. boîtes rouges = valeurs p de Kruskal-Wallis. Crochets = valeurs p par paires U de Mann-Whitney. 45 essais (3 opérateurs × 5 répétitions × 3 conditions). (A) Temps de complétion. (b) Efficacité de trajectoire. (C) Sous-mouvements. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Figure 14 : Application sur le terrain du système de contrôle partagé. (A) Le manipulateur esclave fonctionne sur une ligne de distribution active. (B) Insertion réussie de la partie métallique exposée dans la pince en utilisant la méthode de contrôle partagée proposée. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Sous-systèmes	Composante majeure	Fonction principale	Caractéristiques
Sous-système manipulateur	Manipulateur(s) simple/dual	Atteint un mouvement multi-DOF	Charge utile élevée, léger, grand espace de travail
	Système de pilotage manipulateur	Entraîne les moteurs des joints via une alimentation en courant continu pour obtenir le mouvement du manipulateur	Entrée en courant continu, haute efficacité de transmission
Sous-système de contrôle	Ordinateur industriel	Calcul de données, communication entre modules	Haute fiabilité, puissance de calcul élevée, grande capacité de stockage
	Module de communication	Mise en œuvre de la télécommande et de la surveillance	Stabilité, fiabilité, conformité aux exigences de compatibilité électromagnétique (EMC)
	Module d’alimentation	Fournit de l’énergie à toute la plateforme robotique	Assure un fonctionnement stable du système pendant 6+ heures
Sous-système de perception	Module de vision binoculaire	Acquisition à petite échelle et de haute précision en nuages de points	La précision du positionnement > 1 %, la portée de fonctionnement > 2 m
	Module LiDAR	Balayage à grande échelle de nuages de points	Portée de fonctionnement > 10 m, angle de reconstruction > 25°, densité ponctuelle > 300 000 points
	Module de capteur de force	Acquiert des informations de force sur six axes	Fréquence de retour de force > 10Hz, précision de retour de force supérieure à 1N
Sous-système des outils	Module de nettoyage à la glace sèche	Fonction de nettoyage à la glace sèche	Léger, répond aux exigences de nettoyage de l’isolant, protection EMC requise
	Module de détection à valeur nulle	Mise en œuvre de détection à valeur nulle à impulsions haute tension	Tension impulsionnelle de sortie 0-60kV, répond aux exigences de protection EMC
	Module de boulonnage/déboulonnage	Fonction de boulonnage/déboulonnage des instruments	Léger, répond aux exigences de couple, protection EMC requise
	Module de peeling laser	Écaillage des instruments de la couche isolante extérieure des fils de distribution	Sans contact, sans dommage à la partie métallique du fil, et peut efficacement dénuder la couche de blindage semi-conductrice
	Autres modules fonctionnels sérialisés	Épissage/coupe de fils, installation de répulseur d’oiseaux, installation d’indicateurs de panne, taille d’arbres, réparation d’isolation, installation de protecteur surtension, tâches de patrouille	Modulaire, léger, répond à la protection EMC et aux exigences fonctionnelles correspondantes
Sous-système du camion à godets	Dispositif de levage et de montage isolé	Offre un support isolé pour la plateforme de travail équipotentielle et permet le contrôle numérique à distance	Niveaux élevés de CEM, avec une extrémité capable de supporter des charges de 250 kg ou plus, une forte résistance aux interférences électromagnétiques, et la capacité d’obtenir un contrôle à distance sous interférence d’arc à 220 kV
	Porteur intelligent	Assure la mobilité au sol pour le robot	Petite et légère, adaptée aux chantiers étroits sur lignes de vie et aux terrains complexes
Sous-système côté maître	Plateforme d’interaction à distance opérateur-robot	Permet la téléopération à distance vers la plateforme robotique. Atteint des besoins d’endurance, de poids et d’autres pratiques d’utilisation	Petits et légers, adaptés aux chantiers de travail en ligne de vie

Tableau 1 : Spécifications des sous-systèmes. Fonctions détaillées des différents sous-systèmes composant le robot fonctionnel en ligne active.

UR10
Joint	Theta [rad]	a[m]	d[m]	Alpha [rad]
Joint 1	0	0	0.1273	π/2
Joint 2	0	-0.612	0	0
Joint 3	0	-0.5723	0	0
Joint 4	0	0	0.163941	π/2
Joint 5	0	0	0.1157	-π/2
Joint 6	0	0	0.0922	0

Tableau 2 : Paramètres DH pour le manipulateur. Les paramètres cinématiques utilisés pour modéliser le système de coordonnées conjointes du manipulateur esclave.

Métrique	α=0.3	α=0.8	α=1.0	Valeur p
T	5,9±1,6	8.2±4.0	8,6±2,2	0.0061
η	0,789±0,074	0,557±0,081	0,5±0,081	<0,0001
N_sub	5,9±2,1	9.0±4.1	9,5±2,9	0.0035

Tableau 3 : Détails des données.Comparaison quantitative de la performance des contrôles partagés sur trois pondérations d’arbitrage (α = 0,3, 0,8, 1,0). Données issues de 45 essais (3 opérateurs × 5 répétitions × 3 conditions). Métriques : temps d’accomplissement de la tâche T (s), efficacité de la trajectoire η, et nombre de sous-mouvements N_{sous-déplacements}. Les valeurs rapportées sont moyennes ± écart-types.

Vidéo supplémentaire 1 : Téléopération de contrôle partagée avec α = 0,3. Cette vidéo illustre la procédure expérimentale en laboratoire pour la tâche de tapping simulée sous une condition de contrôle partagé dominée par un robot. Elle met en lumière la grande efficacité de trajectoire et la réduction des sous-mouvements des opérateurs obtenus lorsque le robot assume la majeure partie de la planification du chemin. Veuillez cliquer ici pour télécharger ce fichier.

Vidéo supplémentaire 2 : Téléopération de contrôle partagée avec α = 0,8 . Cette vidéo illustre la procédure expérimentale en laboratoire sous une condition de contrôle partagé dominée par l’humain. Parce que l’intervention humaine l’emporte largement sur la planification autonome robotique, l’opération ressemble visuellement à une téléopération pure, ce qui est corrélé à l’absence d’amélioration quantitative significative de l’efficacité et du temps d’achèvement par rapport à la base. Veuillez cliquer ici pour télécharger ce fichier.

Vidéo complémentaire 3 : Suivi de la téléopération maître-esclave α = 1,0 . Cette vidéo illustre la procédure expérimentale de base utilisant la téléopération de suivi traditionnelle sans assistance autonome. Il met en lumière le temps d’accomplissement des tâches relativement plus élevé et les sous-mouvements manuels requis par l’opérateur, et réduit l’efficacité de la trajectoire. Veuillez cliquer ici pour télécharger ce fichier.

Discussion

Cette étude propose un système de robots de distribution téléopéré à ligne active basé sur le contrôle partagé homme-robot. Contrairement aux systèmes entièrement autonomes qui peinent à gérer l’éclairage extérieur dynamique et les arrière-plans non^{structurés 12}, ainsi qu’à la téléopération traditionnelle de suivi maître-esclave qui impose de lourdes charges cognitives et physiques aux^{opérateurs 14, 15, 16}, notre approche fusionne l’intention humaine avec la planification autonome robotique. De plus, cette étude traite les erreurs potentielles de l’opérateur en proposant un algorithme de détection de mouvement abrupt pour garantir la sécurité opérationnelle. Cette recherche fait progresser le domaine de l’interaction physique homme-robot (pHRI) dans des environnements extrêmes en fournissant une intégration validée sur le terrain du contrôle partagé pour la maintenance haute tension, comblant ainsi le fossé entre les cadres théoriques de contrôle^{partagé 17,18} et les applications industrielles pratiques.

Les expériences en laboratoire démontrent qu’un poids de contrôle partagé approprié peut réduire significativement le temps d’exécution des tâches et l’effort de contrôle manuel de l’opérateur (moins de sous-mouvements) tout en améliorant l’efficacité de la trajectoire. Plus précisément, sous contrôle partagé dominé par un robot (α = 0,3), le temps d’achèvement a diminué de 31,4 %, l’efficacité de la trajectoire s’est améliorée de 57,8 % et le nombre de sous-mouvements a diminué de 37,9 % par rapport à la téléopération de suivi. De plus, le mécanisme de détection de mouvement abrupt a atteint un taux de 100 % de vrai positif avec un temps de réponse de 20 ms. La méthode proposée revêt une importance majeure pour moderniser l’entretien du réseau électrique en atténuant objectivement la fatigue liée aux opérations dangereuses. Au-delà des réseaux de distribution d’énergie, ce cadre de contrôle partagé a des applications potentielles dans d’autres robotiques à usage spécial opérant dans des environnements très peu structurés et dangereux, tels que les robots déployés pour le secours incendie ou l’exploration géologique, où l’adaptabilité cognitive humaine doit être combinée à la précision robotique.

Bien que ces résultats démontrent la faisabilité dans des scénarios contrôlés, les limites incluent un seul type de tâche (tapping) et un manque d’analyse des effets sur les différentes expériences des opérateurs. Une validation supplémentaire entre diverses tâches, opérateurs et conditions environnementales est nécessaire. Les travaux futurs porteront sur l’ajustement adaptatif de la α et sur l’élargissement des essais sur le terrain, au cours desquels α seront mis à jour en fonction du risque à la position cartésienne actuelle, ainsi que sur la construction d’un champ de risque pour calculer le risque.

Malgré les démonstrations réussies, cette étude présente plusieurs limites. Premièrement, la validation expérimentale s’est principalement concentrée sur un seul type de tâche (tapotage en ligne active). Deuxièmement, le poids de contrôle partagé était fixé avant chaque tâche, manquant d’adaptabilité en temps réel aux incertitudes changeantes. Enfin, l’étude a évalué un nombre limité d’opérateurs formés, et l’effet des différents niveaux d’expérience des opérateurs n’a pas été analysé. Les orientations futures se concentreront sur le développement d’un cadre de contrôle partagé adaptatif qui ajuste dynamiquement le poids d’arbitrage en fonction du contexte de la tâche en temps réel et de l’état^{de l’opérateur 17}. De plus, nous prévoyons de mener des essais sur le terrain élargis couvrant diverses tâches de maintenance, l’expérience de différents opérateurs et des conditions météorologiques variées afin de valider davantage la robustesse du système.

Matériaux

Liste des matériaux utilisés dans cet article

Nom	Entreprise	Numéro de catalogue	Commentaires
Hikvision DS-2DC2D20IW-DE3	Hikvision	https://www.hikvision.com/cn/products/pdplist/161056/	caméra de surveillance pan-tilt-zoom (PTZ)
KUNWEI KWR75	KUNWEItech	https://www.kunweitech.com/products/866.html	capteur de force
LivoxAVIA	Livox(DJI)	https://www.livoxtech.com/cn/avia	LiDAR laser
Piper	AGILEX	https://www.agilex.ai/page/690abe7b5e78cfa260412c92?mi=1&rn=PIPER+%E6%A0%87%E5%87%86%E7%89%88	manipulateur maître/esclave pour la validation des expériences sur plate-forme de laboratoire
Python	Python Software Foundation	https://www.python.org/	langage de programmation
RealSenseD435	Intel	https://store.realsenseai.com/buy-intel-realsense-depth-camera-d435.html	caméra binoculaire
Touch	3D Systems	https://cn.3dsystems.com/haptics-devices/touch	dispositif haptique
Ubuntu 24.04	Canonical Ubuntu	https://ubuntu.cn/	système d'exploitation
UR10	Universal Robots	https://www.universal-robots.cn/	manipulateur du robot de travail en direct