Simulación numérica rápida (sin ROS, sin robot real)

Cierra el bucle de control compartido con un "usuario virtual" sintético y un modelo cinemático del FR3, reutilizando el mismo código que correrá en el robot real (shared_control_core.py, performance.py, path_follower.py, dh_utils.py), para poder ajustar parámetros y detectar problemas antes de la sesión con voluntarios.

Qué NO sustituye

No sustituye la validación con humanos: el "usuario virtual" es un controlador de admitancia sintético con ruido, no una persona real. Sirve para verificar el software y ajustar ganancias/umbrales, no para respaldar las hipótesis clínicas del paper.

Uso

cd shared_control_pkg
python3 sim/closed_loop_sim.py --placement stressed --n_users 20
python3 sim/closed_loop_sim.py --placement nominal --n_users 20

Genera un CSV por condición (sim_<placement>_<controlador>.csv) con, por usuario virtual: error de seguimiento medio, margen articular mínimo, % tiempo con margen bajo, manipulabilidad mínima, % tiempo con manipulabilidad baja.

Ajuste de ganancias (tune_gains.py) — ya realizado

Con los pesos por defecto (todos =1), el controlador extendido (m=4) no conseguía una manipulabilidad mínima más alta que el baseline (m=2) en la colocación "exigente": la trayectoria circular obliga a pasar por la zona de baja manipulabilidad, y con un peso bajo el factor de manipulabilidad no era lo bastante influyente en la mezcla como para cambiar el comportamiento resultante — de hecho, en varios casos generaba picos de velocidad articular mayores (peor) que sin él.

Se hizo un barrido pareado (sim/tune_gains.py, mismos usuarios/semillas para baseline y extendido) sobre performance_weights.manipulability, C_manipulability y dt_lookahead. Conclusión:

• Seguridad articular (joint_safety): ya mejoraba el margen articular mínimo incluso con la ganancia por defecto, y sigue mejorando hasta weight≈16, C_s≈12 (a partir de ahí, rendimientos decrecientes).
• Manipulabilidad: necesitó ganancias mucho más altas de lo esperado — con weight≈1-8 el efecto era nulo o incluso contraproducente; a partir de weight≈16-24, C_m≈16-24, dt_lookahead≈0.2 s el efecto se invierte y mejora simultáneamente manipulabilidad mínima, % tiempo por debajo del umbral, pico de velocidad articular cerca de la singularidad, y el error de seguimiento (los cuatro a la vez, sin compromiso entre ellos).

Valores ya actualizados en config/shared_control.yaml (joint_safety: 16, manipulability: 24, C_joint_safety: 12, C_manipulability: 24, dt_lookahead: 0.2). Verificado también con el controlador completo (m=4, ambos factores nuevos activos a la vez) sobre 3 usuarios virtuales adicionales: mejora consistente en margen articular, manipulabilidad mínima y error de seguimiento en los tres.

Esto es un punto de partida razonable para la sesión real, no un sustituto de reajustar con datos de personas reales — el usuario sintético es un controlador de admitancia simplificado, no un modelo de comportamiento humano.

Módulos de este directorio

• franka_fk.py — cinemática del FR3 (DH modificada, valores publicados de Panda/FR3) solo para simulación; el nodo real usa el jacobiano exacto de franka_ros, no este módulo.
• virtual_human_ik.py — IK numérica del brazo humano de 4 GdL, solo para mover al "usuario virtual".
• closed_loop_sim.py — el bucle cerrado y el barrido Monte Carlo.