Approche neuro-robotique pour la commande de gestes d'atteinte sur les robots humanoïdes

• Auteur / Autrice : Minh Tuan Tran
• Direction : Philippe Souères, Michel Taïx
• Type : Thèse de doctorat
• Discipline(s) : Systèmes informatiques
• Date : Soutenance en 2009
• Etablissement(s) : Toulouse 3

Mots clés

Mots clés contrôlés

Réseaux neuronaux (informatique)

Sensibilité proprioceptive

Robots humanoïdes

Mots clés libres

Contrôle moteur humain

Mouvement d'atteinte

Corps-centré contre oculo-centré

Primitive motrice

Robot humanoïde

Neuro-robotique

Résumé

Cette thèse présente une approche neuro-robotique du contrôle du mouvement d'atteinte pour des systèmes anthropomorphes tels que les robots humanoïdes. L'objectif de cette étude est double. D'une part, elle présente un état de l'art des modèles de commande existant en neurosciences du mouvement et décrit un ensemble de principes de contrôle moteur pouvant être utilisés pour la commande des robots humanoïdes. D'autre part, elle propose une utilisation de formalismes issus de la robotique pour la modélisation des processus de transformations sensori-moteurs nécessaires à l'exécution d'un mouvement volontaire. En particulier, il est mis en évidence que le formalisme de la commande référencée capteur et les modèles cinématiques et dynamiques des chaînes articulées, qui jouent un rôle essentiel pour la modélisation du problème de commande du mouvement en robotique, peuvent apporter des éléments clés pour répondre à des questions ouvertes en neurosciences. Sur le premier aspect du travail, nous avons développé une méthode de contrôle, basée sur un modèle d'optimisation du mouvement proposé en neurosciences, que nous avons ensuite appliquée à la commande des mouvements d'atteinte du robot HRP2. Les mouvements produits par cette méthode paraissent très ressemblants aux mouvements observés chez l'homme et présentent les caractéristiques principales des mouvements humains, à savoir: trajectoire quasi-rectiligne de la main avec profil de vitesse en forme de cloche. Nous avons également développé une autre méthode de contrôle inspirée de la théorie des primitives motrices en neurosciences. Cette méthode permet de simplifier la complexité du problème de commande en produisant rapidement des mouvements réalistes du robot à partir d'un ensemble de mouvements de référence. Ces différents résultats montrent que les théories du contrôle moteur humain peuvent être utilisées avec succès pour élaborer des méthodes de contrôle du mouvement d'atteinte des robots humanoïdes. . .

This thesis presents a neuro-robotics approach to the control of reaching motion in anthropomorphic systems such as humanoid robots. The objective of this study is twofold. First, it presents the state of the art of existing control models in movement neuroscience and describes a set of motor control principles which can be used for the control of humanoid robots. Second, it proposes the usage of formalisms in robotics for the modeling of the necessary sensorimotor transformation process for the execution of voluntary movement. Particularly, it shows that visual-based formalism with kinematic and dynamic models of articulated chains, which play an essential role in the modeling of the motion control problem in robotics, can provide some key elements to answer open questions in neuroscience. In the first aspect of the work, we developed a control method, based on a movement optimization model proposed in neuroscience, then applied it to the control of reaching movements of the robot HRP2. The movements produced by this method seem very similar to the movements observed in humans and present major features of human movements: quasi-straight hand trajectory with bell-shaped velocity. We also developed another control method inspired from the theory of motor primitives in neuroscience. This method allows to simplify the complexity of the control problem by producing rapidly realistic movements of the robot from a set of reference movements. These results show that the theories on human motor control can be used successfully to elaborate control methods of reaching movements on humanoid robots. In the second aspect of the work, we developed a eye-hand coordination model to test and compare movements generated from the eye-centered and the body-centered reference frame. This model, which is based on biologically-inspired controllers for hand and eye, in closed-loop with sensory information, allows to simultaneously control the movement of the hand toward a moving target and the movement of the eye toward the target. . .