La plupart des modèles utilisés pour calculer les efforts articulaires sont génériques et ne tiennent pas compte de la morphologie du patient, qui influence non seulement les caractéristiques inertielles mais aussi les bras de levier des forces exercées. Ce travail de thèse propose d'améliorer ces modèles, en intégrant les caractéristiques géométriques et mécaniques personnalisées du sujet. Les essais cliniques comprenant une analyse de la marche, une stéréoradiographie avec le système biplan à faible dose d'irradiation EOS® et un examen d'IRM sont menés sur 10 sujets sains et 5 sujets en attente d'une reconstruction du ligament croisé antérieur. La géométrie osseuse et de l'enveloppe externe est reconstruite à partir des clichés stéréo-radiographiques. Le recalage des os dans le système d'analyse du mouvement permet une localisation précise du centre de la tête fémorale (CTF). Les paramètres inertiels personnalisés (BSP) des segments sont calculés et intégrés dans le modèle. L'impact de l'utilisation du CTF recalé et des BSP n'est pas négligeable, les écarts avec les moments obtenus par les méthodes conventionnelles pouvant atteindre respectivement 2 et 0.5%BW*Ht. Outre son intérêt clinique, la géométrie musculaire personnalisée constitue une donnée d'entrée essentielle aux modèles permettant de répartir les efforts en leurs composantes musculaires, ligamentaires et de contact. Nous présentons un protocole permettant de reconstruire les 13 principaux muscles impliqués dans le mouvement du genou à partir de 6 à 8 coupes IRM. Ces muscles sont reconstruits en une heure, avec des erreurs volumique et surfacique inférieures à 5% et 5mm (2RMS). Ce projet pose les bases pour la mise en place d'un modèle musculaire personnalisé, qui permettra de mieux comprendre l'apport de chaque structure aux efforts articulaires, fournissant ainsi un éclairage sur les pathologies et les stratégies compensatoires des patients.

Thèse numérisée par la Direction des bibliothèques de l'Université de Montréal.

L'objectif de ce travail est d'identifier les paramètres inertiels segmentaires humains, c’est-à-dire la masse, la position du centre de masse et la matrice d’inertie de ces segments. Ces paramètres, au nombre de dix par segment, constituent une donnée d'entrée indispensable aux calculs de dynamique inverse utilisés dans les études de biomécanique. Bien qu'il existe des méthodes pour avoir accès à ces paramètres par le biais de tables anthropométriques ou le calcul des volumes segmentaires, l'identification apparaît nécessaire dès lors que les sujets étudiés sont atypiques (handicapés physiques, femmes enceintes, sportifs présentant des hypertrophies musculaires). L'originalité de ce travail est de proposer une approche mixte dans l'écriture du problème d'identification combinant une formulation vectorielle et matricielle des équations du mouvement d’un système poly-articulé supposé rigide, qui ont déjà été établies au sein de l'équipe dans les travaux de thèse de Tony Monnet. La première permet d’identifier les masses et les centres de masse segmentaires. La deuxième permet d’identifier, elle, les matrices d’inertie segmentaires. Les paramètres d’entrée de cette méthode d’identification sont les matrices rotations segmentaires, leurs dérivées secondes, les accélérations segmentaires, ainsi que le torseur externe. Si ce dernier est directement mesuré par une plateforme de force, les autres grandeurs sont obtenues après des opérations sur la mesure de la cinématique segmentaire du sujet obtenue par un système opto-électronique. Ce système mesurant la cinématique du sujet grâce à des marqueurs cutanés, cette cinématique diffère de la cinématique théorique obtenue si les segments sont rigides, du fait des mouvements des masses molles. Ce travail a donc porté sur le calcul d’une matrice rotation optimale, basée sur une transformation matérielle décrivant le mouvement segmentaire.De plus les mouvements des masses molles ainsi que les instruments de mesure induisent un bruit dans les signaux cinématiques. Du fait de la double dérivation de ces signaux pour le calcul des accélérations segmentaires et des dérivées secondes des matrices rotations, ce bruit devient prépondérant sur le signal porteur. Ce travail a donc également porté sur le filtrage à effectuer pour atténuer ces bruits. Cinq filtres utilisés dans la littérature (filtre de Butterworth, lissage de Savitsky-Golay, moyenne glissante, lissage par spline et analyse spectrale) ont été implémentés et leurs effets sur les paramètres inertiels identifiés ont été comparés. Les résultats montrent que les paramètres identifiés avec la méthode vectorielle ne nécessitent pas de traitement. L’identification des matrices d’inertie nécessite, elle, un traitement et le lissage optimal est obtenu avec le moyenne glissante.Enfin, une modélisation du membre supérieur par une chaîne cinématique a également été implémentée afin de rigidifier la cinématique acquise. Les premiers résultats ne sont pas satisfaisants mais le modèle retenu peut être affiné avant de conclure sur l’intérêt de cette modélisation pour l’identification des paramètres inertiels. Finalement, l’approche mixte développée permet l'identification des dix paramètres inertiels des segments du corps humain. La méthode a été validée en identifiant les paramètres inertiels des segments constituant le membre supérieur de dix huit sujets. Les paramètres obtenus ont ensuite été comparés à ceux issus d’une table anthropométrique. Les résultats montrent que les paramètres identifiés sont très proches de ceux estimés. Cela montre donc que l’identification des paramètres inertiels est fiable et permet d’avoir accès aux paramètres inertiels de sujets atypiques, pour qui les tables anthropométriques ne sont pas disponibles. / The aim of this thesis is the identification of body segment inertial parameters (BSIP), i.e. the segment mass, center of mass location and inertia tensor. Those ten parameters per segment are a mandatory input for inverse kinetics methods which are widely used in biomechanics studies. Despite the fact that methods exist to estimate them from anthropometric tables or segment volumes measurements, identification is useful when subjects are atypical (such as disabled people, pregnant women or athletes with muscular hypertrophies). The originality of this work is to use a mixed approach to write the identification problem, combining a vectorial and a matrix formulations of rigid multi-body motion equations, based on previous work did in the RoBioSS axis by Tony Monnet during his PhD. The first one permit to identify segmental masses and center of mass locations. The second one identifies segmental inertia tensors.Inputs of identification algorithm are rotation matrices, their second derivatives, segmental accelerations, and external torsor. Even though this external torsor is directly measured with a force plate, the others inputs are derived from kinematics measurements performed by an optoelectronical device. This device measures kinematics with skin mounted markers tracked by cameras, and the obtained kinematics deviate from the theoretical kinematics of rigid bodies, because of the soft tissues artefacts. In order to deal with these artefacts an optimal rotation matrix computation, based on material transformation, has been performed.Also, noise appears during measurement because of the soft tissues artefacts and the measure device. When double numerical derivatives are applied, this noise becomes greater than the carrier signal. In order to deal with it, five filters, i.e. Butterworth filter, Savitsky-Golay smoothing, sliding average window, spline smoothing and singular spectrum analysis, taken from literature have been implemented and compared. Results show that BSIP identify from vectorial formulation didn’t need any filtering. On the other hand, inertia tensors identification needed smoothed inputs and the best way to smooth them was the sliding average window.Finally, a kinematic chain model of the upper limb has been implemented to rigidify the kinematics. Preliminary results aren’t satisfying but the chain model can be improved before assuming kinematic chain aren’t well suited to enhance BSIP identification. Ultimately, the developed mixed approach has been validated by upper limb inertial parameters identification of eighteen subjects. Identified inertial parameters have also been compared with ones estimated with an anthropometric table. The conclusion is that the identified parameters were very close to the estimated ones, which shows that identification will be reliable to estimate inertial parameters of atypical subjects for whom anthropometric tables aren’t available.

Parmi les nombreuses recherches en matière de planification et de contrôle des mouvements pour des applications robotiques, l'humanité n'a jamais atteint un point où les robots seraient parfaitement fonctionnels et autonomes dans des environnements dynamiques. Bien qu'il soit controversé de discuter de la nécessité de ces robots, il est très important d'aborder les problèmes qui nous empêchent de réaliser un tel niveau d'autonomie. Ce travail de recherche tente de résoudre ces problèmes qui séparent ces deux modes de fonctionnement avec un accent particulier sur les incertitudes. Les impossibilités pratiques de capacités de détection précises entraînent une variété d'incertitudes dans les scénarios où le robot est mobile ou l'environnement est dynamique. Ce travail se concentre sur le développement de stratégies intelligentes pour améliorer la capacité de gérer les incertitudes de manière robuste dans les robots humanoïdes et industriels. Premièrement, nous nous concentrerons sur un cadre dynamique d'évitement d'obstacles proposé pour les robots industriels équipés de capteurs de peau pour la réactivité. La planification des chemins et le contrôle des mouvements sont généralement formalisés en tant que problèmes distincts de la robotique, bien qu'ils traitent fondamentalement du même problème. Les espaces de configuration à grande dimension, l'environnement changeant et les incertitudes ne permettent pas la planification en temps réel de mouvement exécutable. L'incapacité fondamentale d'unifier ces deux problèmes nous a amené à gérer la trajectoire planifiée en présence de perturbations et d'obstacles imprévus à l'aide de différents mécanismes d'exécution et de déformation de trajectoire. Le cadre proposé utilise «Stack of Tasks», un contrôleur hiérarchique utilisant des informations de proximité, grâce à un planificateur de chemin réactif utilisant un nuage de points pour éviter les obstacles. Les expériences sont effectuées avec les robots PR2 et UR5 pour vérifier la validité du procédé à la fois en simulation et in-situ. Deuxièmement, nous nous concentrons sur une stratégie pour modéliser les incertitudes des paramètres inertiels d'un robot humanoïde dans des scénarios de tâches d'équilibre. Le contrôle basé modèles est devenu de plus en plus populaire dans la communauté des robots à jambes au cours des dix dernières années. L'idée clé est d'exploiter un modèle du système pour calculer les commandes précises du moteur qui entraînent le mouvement désiré. Cela permet d'améliorer la qualité du suivi du mouvement, tout en utilisant des gains de rétroaction plus faibles, ce qui conduit à une conformité plus élevée. Cependant, le principal défaut de cette approche est généralement le manque de robustesse aux erreurs de modélisation. Dans ce manuscrit, nous nous concentrons sur la robustesse du contrôle de la dynamique inverse à des paramètres inertiels erronés. Nous supposons que ces paramètres sont connus, mais seulement avec une certaine précision. Nous proposons ensuite un contrôleur basé optimisation, rapide d'exécution, qui assure l'équilibre du robot malgré ces incertitudes. Nous avons utilisé ce contrôleur en simulation pour effectuer différentes tâches d'atteinte avec le robot humanoïde HRP-2, en présence de diverses erreurs de modélisation. Les comparaisons avec un contrôleur de dynamique inverse classique à travers des centaines de simulations montrent la supériorité du contrôleur proposé pour assurer l'équilibre du robot. / Amidst a lot of research in motion planning and control in concern with robotic applications, the mankind has never reached a point yet, where the robots are perfectly functional and autonomous in dynamic settings. Though it is controversial to discuss about the necessity of such robots, it is very important to address the issues that stop us from achieving such a level of autonomy. Industrial robots have evolved to be very reliable and highly productive with more than 1.5 million operational robots in a variety of industries. These robots work in static settings and they literally do what they are programmed for specific usecases, though the robots are flexible enough to be programmed for a variety of tasks. This research work makes an attempt to address these issues that separate both these settings in a profound way with special focus on uncertainties. Practical impossibilities of precise sensing abilities lead to a variety of uncertainties in scenarios where the robot is mobile or the environment is dynamic. This work focuses on developing smart strategies to improve the ability to handle uncertainties robustly in humanoid and industrial robots. First, we focus on a dynamical obstacle avoidance framework proposed for industrial robots equipped with skin sensors for reactivity. Path planning and motion control are usually formalized as separate problems in robotics. High dimensional configuration spaces, changing environment and uncertainties do not allow to plan real-time motion ahead of time requiring a controller to execute the planned trajectory. The fundamental inability to unify both these problems has led to handle the planned trajectory amidst perturbations and unforeseen obstacles using various trajectory execution and deformation mechanisms. The proposed framework uses ’Stack of Tasks’, a hierarchical controller using proximity information to avoid obstacles. Experiments are performed on a UR5 robot to check the validity of the framework and its potential use for collaborative robot applications. Second, we focus on a strategy to model inertial parameters uncertainties in a balance controller for legged robots. Model-based control has become more and more popular in the legged robots community in the last ten years. The key idea is to exploit a model of the system to compute precise motor commands that result in the desired motion. This allows to improve the quality of the motion tracking, while using lower feedback gains, leading so to higher compliance. However, the main flaw of this approach is typically its lack of robustness to modeling errors. In this paper we focus on the robustness of inverse-dynamics control to errors in the inertial parameters of the robot. We assume these parameters to be known, but only with a certain accuracy. We then propose a computationally-efficient optimization-based controller that ensures the balance of the robot despite these uncertainties. We used the proposed controller in simulation to perform different reaching tasks with the HRP-2 humanoid robot, in the presence of various modeling errors. Comparisons against a standard inverse-dynamics controller through hundreds of simulations show the superiority of the proposed controller in ensuring the robot balance.