Approche bioinspirée pour le contrôle des mains mécaniques

Bioinspired approach to control mechanical hands

• Auteur / Autrice : François Touvet
• Direction : Marc Maier, Saïd Zeghloul
• Type : Thèse de doctorat
• Discipline(s) : Neurosciences et robotique
• Date : Soutenance le 22/10/2012
• Etablissement(s) : Paris 5
• Ecole(s) doctorale(s) : École doctorale Cerveau, cognition, comportement (Paris ; 1992-....)
• Jury : Président / Présidente : Philippe Souères
• Jury : Examinateurs / Examinatrices : Marc Maier, Saïd Zeghloul, Philippe Souères, Philippe Gaussier, Peter Ford Dominey, Tevfik Selim Eskiizmirliler, Anis Sahbani
• Jury : Rapporteurs / Rapporteuses : Philippe Gaussier, Peter Ford Dominey

Mots clés

Mots clés contrôlés

Préhenseurs (ingénierie)

Préhension humaine

Mains artificielles

Mots clés libres

Atteinte

Saisie

Unités d’appariement

Architecture distribuée

Apprentissage supervisé

Homme

Singe

Mains artificielles

Reach

Grasp

Matching units

Distributed architecture

Supervised learning

Human

Monkey

Artificial hands

Résumé

Les travaux exposés dans cette thèse sont de natures multiples mais visent tous à une meilleure compréhension du geste de saisie chez l'homme, que ce soit d'un point de vue comportemental, cinématique ou de contrôle. Lorsqu'il doit saisir un objet, l'homme s'appuie sur une structure de contrôle multi-niveaux ainsi que son expérience, ce qui lui permet d'estimer les mouvements à effectuer de manière très efficace avant même d'avoir commencé à bouger. Nous pensons que ce mode de commande peut apporter une solution innovante au double problème de l'atteinte et de la saisie par une main artificielle. Nous avons donc développé une architecture de commande distribuée reproduisant en partie ces mécanismes et capable de contrôler ce genre d'artefacts de manière efficace, déclinée en plusieurs versions en fonction du niveau de contrôle souhaité. Elle est constituée d'un ensemble d'unités d'appariement s'inspirant des structures présentes dans le Système Nerveux Central : chacune a en charge une partie du problème global à résoudre, elles intègrent des informations en provenance de la consigne et/ou d'autres unités à travers des échanges parfois redondants, et elles s'appuient sur un algorithme d'apprentissage supervisé. Afin de mieux comprendre les principes qui sous-tendent le mouvement humain nous nous sommes aussi intéressés à la modélisation de la main et du geste de saisie, que ce soit à travers un protocole d'expérimentation chez l'homme ou l'analyse de données médicales et vidéos chez le singe

Works presented in this thesis are of multiple kinds but all aim at a better understanding of the human grasping movements, may it be from a behavioural, kinematics or control point of view. When one wants to grasp an object he relies on a multilayer control structure and its personal experience, the two of which allow him to estimate the appropriate move in a very efficient way, even before he actually started to move. We think that this type of command can bring forth an innovative solution to the double reach and grasp problem that face an artificial hand. We developed a distributed command architecture that reproduce in part these mechanisms and is able to control this type of artefacts in an efficient way, several versions of which were implemented regarding the desired control level. It consists of a group of matching units that takes inspiration in the Central Nervous System: each of them is in charge of a part of the global problem to be solved; they integrate data from the system inputs and/or from other units in partly redundant ways; and they rely on a supervised learning algorithm. In order to better understand the underlying principles of human movement we also took interest in hand and grasping movement models, may it be through an experimental protocol on human or monkey medical and video data analysis