Développement d'une interface de contrôle homme-machine pour la détection d'intentions dans un exosquelette de jambes autoéquilibré

In the recent years, advancements in robotics-related fields accompanied the development of exoskeletal devices that enhance the physical capabilities of the wearer, or assist impaired individuals in performing specific body movements. In particular, assistive lower-limb exoskeletons can be proposed to impaired people as a possible alternative to wheelchairs, or as rehabilitation medical devices. However, the intention detection interfaces are often based on basic solutions that lack intuitiveness, partly monopolize the use of hands, or prevent seamless transitions between the available activity modes. In this context, this doctoral work investigates natural and intuitive movement- based solutions to robustly detect motion intentions in a marketed assistive lower-limb exoskeleton. It focuses on walking-related intentions – namely gait initiation, gait termination, and steering – and evaluates novel implementations of high-level controllers based on acceleration and angular velocity signals recorded from upper-body-worn Inertial Measurement Units. Signals from these sensors can be analyzed, so that descriptive features of the exhibited movements are extracted, and serve as inputs to a classification architecture: they can either be compared to training data in a supervised learning approach, or to empirically derived thresholds. Experimental results of these algorithms indicate that the developed methods could be a viable alternative for intention detection in medical lower-limb exoskeletons, and could greatly enhance their usability.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