Société UGECAM : Proposition Use Case

Contact :
Dr Rémi Klotz, Centre de la Tour de Gassies, centre de médecine physique et de réadaptation
de l’Assurance Maladie [email protected]
Dr Aymar de Rugy, physiologiste, Incia : [email protected]
Les deux personnes qui pourront participer à l’encadrement du Use Case : effie.segas@u-
bordeaux.fr et [email protected]

1. Présentation Société
Le centre de réadaptation de la Tour de Gassies est un large établissement privé d’intérêt
collectif (ESPIC) centre de santé dédié à des populations sujettes à handicap d’origine variée.
Il comprend 218 lits, dont 58 pour hospitalisation partielle. Ce centre inclut un service dédié
la rééducation des amputés, qui prend en charge 63% des amputés de la région, et 78% des
amputés du membre supérieur. A partir de 2006, cela représente 99 amputés du membre
supérieur, dont approximativement 55% au niveau huméral et 45% au niveau radial. Ce centre
est le seul de la région aquitaine qui propose des prothèses myoélectriques du membre
supérieur.

2. Contexte

Ce projet se situe dans le cadre d’une collaboration entre la recherche académique et le

monde biomédical, visant à pouvoir contrôler une prothèse de bras pour des sujets amputés
au-dessus du coude. L’épaule reste commandée par le sujet et il faut contrôler les
mouvements du coude et du poignet lors de tâches de saisies d’objets. Ultérieurement, la
position de l’objet pourra être détectée automatiquement ; pour le moment elle est donnée :
l’objet est représenté par un cylindre (typiquement une bouteille), repéré par son centre de
gravité et par deux angles dans l’espace.

La configuration du bras est repérée par 7 angles selon le schéma ci-dessous :

Fore
ArmYaw

ArmYaw

Fig1 : Les 7 angles du bras

Sur les 7 angles, il y en a 2 contrôlables par un amputé, ce sont les deux associés à l’épaule
(ShPitch et ShRoll). Dans le cas d’un amputé les 5 autres angles doivent être inférés et transmis
en commande à la prothèse.

Pour pouvoir entraîner un réseau de neurones à prédire les informations manquantes, des
corpus sont créés par expérimentation en réalité virtuelle. Des sujets (non amputés)
apprennent à contrôler un bras virtuel à l’aide de leur propre bras et vont attraper
successivement des séries d’objets présentés dans l’espace virtuel et perçus à travers un
casque de réalité virtuelle et les reposer sur une plateforme orientée (un plateau).

Fig 2 : Expérimentation en réalité virtuelle pour enregistrer les mouvements des sujets (a)
pour saisir (b) et reposer (c) des objets cylindriques

L’utilisation de la réalité virtuelle permet de mieux contrôler et mesurer l’expérience. Grâce à

des capteurs fixés sur le sujet, les mouvements de son bras sont enregistrés (tout au long des
expériences, à une fréquence d’échantillonnage d’approximativement 90Hz), à travers les
angles relatifs et les positions des capteurs. Ces positions sont repérées dans un référentiel
relatif à la position de l’épaule. Pour la constitution des corpus, les positions et orientations
des objets à attraper sont choisies (et exprimées dans le référentiel de l’épaule) pour bien
échantillonner l’espace.

Quelques problèmes ont dû être pris en compte pour constituer les corpus, comme le fait que
parfois les capteurs sont bruités ou envoient des informations erronées. Quelques fonctions
de nettoyage de données ont donc dû être mises au point. Pour constituer des corpus afin
d’entrainer les réseaux indépendamment des sujets qui ont des tailles de bras différentes, on
a aussi effectué une homogénéisation des données, en faisant l’hypothèse (qui est clairement
une simplification) que les sujets ont la même dynamique de mouvement quelle que soit la
taille de leur bras. On a retraduit les corpus en conservant les angles et en recalculant les
positions du coude, du poignet et de la main pour des longueurs de segments uniques (prises
dans la moyenne).

3. Objectifs

Le problème principal qui reste à résoudre, en s’appuyant sur le corpus des multiples
trajectoires constitué, est d’assurer le contrôle d’un mouvement dirigé seulement par
l’épaule. C’est à dire connaissant à chaque instant les deux angles de l’épaule (ShPitch et
ShRoll) qui sont commandés par le sujet, la position et les angles de la cible à atteindre ainsi
que la configuration du bras, contrôler l’évolution des angles du coude et du poignet (ArmYaw,
ElbPitch, ForeArmYaw, HandPitch, HandRoll) pour accompagner le mouvement jusqu’à son
but, en suivant une dynamique naturelle. Des corpus sont donc constitués regroupant une
quinzaine de sujets s’exerçant à la saisie de cibles pendant une heure.

Ce projet peut être abordé de deux façons différentes, on-line et off-line. L’approche
principale on-line nécessite la présence d’un sujet qui commande les deux angles de l’épaule
pour atteindre une cible fixée. On peut se faire aider de l’environnement de réalité virtuelle
pour instrumenter cette expérimentation qui reste lourde. En amont, une approche off-line
permet de se préparer à ce travail. Elle consiste à utiliser des méthodes de Machine Learning
pour analyser le corpus proposé. Il peut par exemple être intéressant d’apprendre des
modèles directs et des modèles inverses du bras avec des approches non-linéaires ou encore
utiliser des trajectoires enregistrées pour reproduire des séquences de contrôle. Il pourra
aussi être intéressant de comparer les méthodes géométriques avec ces modèles adaptatifs
ou imaginer comment les combiner.

4. Attendus
Rapport décrivant la spécification proposée pour ce problème ;
Principalement du code pour des modèles de Machine Learning explorés (des réseaux de
neurones probablement) ;
Et un ppt résumant la démarche.

5. Données
Des données pour 16 sujets sont déjà disponibles, regroupant les 7 angles et la position de
divers endroits critiques (main, cible) dans différentes tâches de saisie échantillonnées à 90
Hz, pour plus de 4000 cibles.

Vous serait-il possible de fournir un premier batch de données dans les semaines à venir pour
pouvoir commencer à les préparer dès maintenant dans certaines formations, en posant des
projets ou des cours sur certains thèmes ? Merci

OUI