Spelling suggestions: "subject:"contrôle dde trajectoires"" "subject:"contrôle dee trajectoires""
1 |
Interface cerveau-machine hybride pour pallier le handicap causé par la myopathie de Duchenne / Hybrid brain-machine interface to palliate handicap caused by Duchenne muscular dystrophyDuprès, Alban 01 December 2016 (has links)
La palliation du handicap moteur est la principale application actuelle des interfaces cerveau-machine (ICM). Cette thèse décrit une interface cerveau-machine hybride, conçue spécifiquement pour des patients souffrant de myopathie de Duchenne. Notre ICM hybride exploite les signaux issus de capteurs électroencéphalographiques (EEG), électromyographiques (EMG), et de joysticks. Leur traitement nous permet de détecter un mouvement ou une intention de mouvement à différents niveaux de la commande motrice. Les signaux joysticks sont utilisés tant que le patient est capable de les activer, puis à mesure que la motricité se dégrade avec l’évolution de la maladie, l’ICM hybride prend en compte les signaux EMG et enfin les signaux EEG. Nous avons développé une méthode originale de traitement des signaux EEG, qui permet à un expert humain de sélectionner les valeurs caractéristiques qui lui semblent les plus discriminantes. Les performances de cette méthode ont été évaluées sur une base de données qui sert de référence dans la communauté ICM, ainsi que sur des données que nous avons enregistrées sur des sujets sains. Notre ICM hybride permet le contrôle de trajectoire d’un mobile à partir de trois actions, correspondant à un mouvement ou une intention de mouvement de la main droite, de la main gauche, et des deux mains simultanément. Un degré de liberté supplémentaire peut être envisagé en intégrant la détection d’une intention de mouvement des pieds. / Brain-machine interfaces (BMI) have been considered since many years as the most promising approach to the palliation of severe motor handicap. This thesis describes a hybrid brain-machine interface, designed specifically for patients suffering from Duchenne muscular dystrophy. Our hybrid BMI uses signals recorded by electroencephalography (EEG), electromyography (EMG), and joystick sensors. Signal processing enables the hybrid BMI to detect a movement or movement intent at different levels of the motor command chain. Joysticks are used as long as the patient is able to activate them, then when motricity deteriorates with the disease evolution, the hybrid BMI takes EMG signals into account and finally EEG signals. We have developed an original method for processing EEG signals, allowing the system to select features that a human expert considers as the most discriminant. Performance has been assessed on a data set used as a reference in the BMI community, as well as on data that we have recorded from healthy subjects in our laboratory. Our hybrid BMI controls the trajectory of a moving object – either real or virtual – through three actions, corresponding to a movement or an intent of movement of the right hand, the left hand, or both hands simultaneously. An additional degree of freedom can be considered by integrating the detection of attempted feet movements.
|
2 |
Reactive control and sensor fusion for mobile manipulators in human robot interactionHe, Wuwei 04 October 2013 (has links) (PDF)
Afin de partager un espace de travail avec les humains, les robots de services doivent être capable d'interagir dans des environnements peu structurés. Dans ce contexte, le robot doit réagir et adapter son comportement aux évolutions de l'environnement et aux activités des humains.L'utilisation de planificateur de mouvement ne permet pas au robot d'être suffisamment réactif, aussi nous proposons un controleur de trajectoire réactif capable de suivre une cible, de réagir aux changement d'atitudes des humains ou de prévenir les évènements et, en particulier, les collisions. Pour fiabiliser le contrôleur de trajectoire, nous utilisons des techniques de fusion de données récentes afin d'identifier les mouvements ou de détecter des forces associées à des évènements. Nous proposons d'utiliser un capteur de force six axes pour estimer les param'etres d'inertie des objets manipulés, puis d'utiliser ces paramètres pour compléter le contrôle visuel et calculer les forces de contact entre l'organe terminal du robot et son environnement. L'utilisation de technique d'apprentissage permet d'analyser et de classifier les forces de contact pour détecter différents évènements tels que la saisie de l'objet par un humain ou le contact entre le robot ou l'objet transporté et l'environnement. Ce travail a été intégré et testé sur les robots jido et PR2 du LAAS-CNRS dans le cadre des projets europ'eens DEXMART et SAPHARI et des projets ANR ASSIST et ICARO.
|
Page generated in 0.582 seconds