Développement d'une interface de contrôle homme-machine pour la détection d'intentions dans un exosquelette de jambes autoéquilibré
Auteur / Autrice : | Omar Mounir Alaoui |
Direction : | Guillaume Morel |
Type : | Thèse de doctorat |
Discipline(s) : | Robotique médicale |
Date : | Soutenance le 22/11/2021 |
Etablissement(s) : | Sorbonne université |
Ecole(s) doctorale(s) : | École doctorale Sciences mécaniques, acoustique, électronique et robotique de Paris (2000-....) |
Partenaire(s) de recherche : | Laboratoire : Institut des systèmes intelligents et de robotique (Paris ; 2009-....) |
Jury : | Président / Présidente : Catherine Achard |
Examinateurs / Examinatrices : Vesna Novak, Nathanaël Jarrassé, Fabien Expert | |
Rapporteurs / Rapporteuses : Hélène Pillet, Samer Mohammed |
Mots clés
Mots clés contrôlés
Résumé
Des avancées technologiques récentes dans les domaines liés à la robotiques ont permis le développement de dispositifs exosquelettes pour l’augmentation des capacités physiques humaines, ou l’assistance aux gestes. En particulier, dans le cas de handicaps moteurs, des exosquelettes d’assistance pour les jambes peuvent être utilisés comme une alternative aux fauteuils roulants, ou pour la rééducation des membres inférieurs. Mais dans ces appareils, les interfaces permettant la détection des intentions sont souvent basées sur des solutions qui ne permettent pas un contrôle intuitif des dispositifs, monopolisent l’usage des mains, et entraînent des transitions d’états non fluides. Dans ce contexte, ce travail s’appuie sur des solutions naturelles et intuitives basées sur les mouvements du haut du corps, afin de détecter de manière robuste et efficace les intentions de mouvement dans un exosquelette d’assistance à la marche. Il se focalise notamment sur des intentions relatives à la marche – l’initiation, l’arrêt, et les virages – et évalue l’implémentation de contrôleurs haut-niveau basés sur les signaux de centrales inertielles portées au niveau du haut du corps. Ces signaux peuvent être analysés de sorte à ce que des caractéristiques descriptives des mouvements puissent en être extraites, puis utilisées en entrée de diverses architectures de classification – selon des approches d’apprentissage supervisé, ou au travers de comparaisons avec des seuils définis empiriquement. Les algorithmes développés ont été testés expérimentalement, et les résultats indiquent qu’ils permettent de détecter efficacement les intentions dans un exosquelette de jambes à usage médical.