{"id":22,"date":"2015-06-15T11:01:33","date_gmt":"2015-06-15T09:01:33","guid":{"rendered":"http:\/\/members.loria.fr\/thierrygartiser\/?page_id=22"},"modified":"2024-03-13T13:52:58","modified_gmt":"2024-03-13T11:52:58","slug":"projets","status":"publish","type":"page","link":"https:\/\/members.loria.fr\/JColombel\/projets\/","title":{"rendered":"Recherche"},"content":{"rendered":"

Mots cl\u00e9s:<\/h3>\n

Mouvement humain, Analyse de donn\u00e9es, Contr\u00f4le optimal inverse, Interaction humain-robot, Robotique.<\/p>\n

Post-doctorat<\/h4>\n

Ce post-doctorat s’inscrit dans le projet ANR JCJC ROOIBOS de Pauline Maurice<\/a>, visant \u00e0 d\u00e9velopper une politique de robotique collaborative prenant en compte les besoins sp\u00e9cifiques des utilisateurs pour am\u00e9liorer leur sant\u00e9, leur confort et l’efficacit\u00e9 de la t\u00e2che sur le long terme. Le travail se concentre sur l’identification des diff\u00e9rentes strat\u00e9gies motrices<\/strong> humaines lors de t\u00e2ches de co-manipulation avec un robot collaboratif, en consid\u00e9rant diverses modalit\u00e9s de mouvement et l’\u00e9volution de la fatigue. Les objectifs principaux sont de constituer une base de donn\u00e9es exp\u00e9rimentale et d’analyser ces donn\u00e9es pour simuler de mani\u00e8re plus pr\u00e9cise les r\u00e9ponses humaines lors de telles t\u00e2ches.<\/p>\n

Th\u00e8se<\/h4>\n
Analyse du mouvement humain pour l’assistance \u00e0 la personne : Apport de la robustesse de l’observation et de l’analyse par Contr\u00f4le Optimal Inverse<\/h6>\n

Le mouvement biologique poss\u00e8de de nombreuses informations, qu’elles soient physiques ou cognitives. Des travaux ont montr\u00e9 qu\u2019il \u00e9tait possible de d\u00e9terminer le genre d’une personne, son \u00e9motion, voire m\u00eame son identit\u00e9. Ces caract\u00e9ristiques sont accessibles \u00e0 partir d\u2019information sur la dynamique du mouvement des corps poly articul\u00e9s (e.g. le mouvement des points d’articulation). Comprendre et interpr\u00e9ter le comportement d’une personne et son \u00e9tat sont des capacit\u00e9s li\u00e9es \u00e0 l’empathie. C’est une facult\u00e9 commune \u00e0 l’ensemble des mammif\u00e8res qui se base sur certains syst\u00e8mes neuronaux comprenant, entre autres, les neurones miroirs. \u00c9tant donn\u00e9 que l’empathie participe grandement aux interactions sociales chez les hommes et plus g\u00e9n\u00e9ralement les animaux, on est en mesure de se demander comment notre relation avec les robots peut s’en inspirer.<\/p>\n

Cela nous am\u00e8ne \u00e0 la probl\u00e9matique suivante: l’assistance robotique \u00e0 la personne peut-elle se servir de l\u2019interpr\u00e9tation du mouvement humain, riche d’informations physiques et cognitives, comme modalit\u00e9 d’am\u00e9lioration de l’Interaction Humain-Robot ?
\nPour r\u00e9pondre \u00e0 cette probl\u00e9matique, nous nous positionnons sur des outils d’observations et sur une m\u00e9thode d’analyse du mouvement qui soit exploitable en temps r\u00e9el par un syst\u00e8me robotique.<\/p>\n

Dans un premier temps, nous avons travaill\u00e9 sur les outils d’observation du mouvement humain. Nos objectifs d\u2019assistance robotis\u00e9e en milieu \u00e9cologique, n\u00e9cessitent d\u2019installer des capteurs qui affectent le moins possible les actions de la personne. Nous avons donc choisi d’\u00e9tudier le capteur Kinect de Microsoft qui est un capteur de profondeur accessible permettant de r\u00e9cup\u00e9rer les positions cart\u00e9siennes des articulations et extr\u00e9mit\u00e9s du corps. Cependant, ce type de capteur est sujet \u00e0 des bruits de mesure qui emp\u00eacherait une analyse fine du mouvement. Nous avons donc d\u00e9velopp\u00e9 deux m\u00e9thodes pour am\u00e9liorer la mesure de ce capteur bas\u00e9 sur le Filtre de Kalman Etendu (EKF): un EKF sous contrainte anthropom\u00e9trique et un EKF de fusion de capteurs. Nous avons fait la premi\u00e8re \u00e9tude sur la Kinect de 2\u00e8me g\u00e9n\u00e9rations et la deuxi\u00e8me sur les g\u00e9n\u00e9rations 2 et 3, permettant de mettre en avant les diff\u00e9rences entre ces deux capteurs.<\/p>\n

Dans un second temps, nous nous sommes int\u00e9ress\u00e9s aux m\u00e9thodes d’analyse du mouvement et plus sp\u00e9cifiquement au probl\u00e8me de Contr\u00f4le Optimal Inverse (COI). L’objectif du COI est d’identifier les pond\u00e9rations associ\u00e9es \u00e0 un ensemble de fonctions de co\u00fbts \u00e0 optimiser pour g\u00e9n\u00e9rer une trajectoire donn\u00e9e. Dans le cadre de cette th\u00e8se, nous cherchons \u00e0 analyser en temps r\u00e9el des trajectoires de mouvement humain dont les mesures, issues de capteurs, sont bruit\u00e9es. Nous avons \u00e9tudi\u00e9 la fiabilit\u00e9 de la m\u00e9thode de r\u00e9solution du COI dite Approch\u00e9e, en fonction du bruit de mesure. Nous apportons \u00e9galement une approche originale du COI qui pose une nouvelle vision de l’optimalit\u00e9 de trajectoires et permet de pr\u00e9senter les concepts de Courbes de Singularit\u00e9 et de Projection. Nous montrons dans cette \u00e9tude des outils permettant de mieux comprendre et prendre en compte les probl\u00e9matiques de robustesse du COI.<\/p>\n

Encadrement: Fran\u00e7ois Charpillet<\/a>, David Daney<\/a><\/p>\n

Participation recherche
\n<\/span><\/h4>\n
Review<\/h6>\n