EPFL Magazine N° 29

ÉDITO

Après ses portes, l’EPFL ouvre sa science!


OPEN SCIENCE

Promoting open science

open_sommaire

A fund to support open science


Microscope-building workshops


Sharing data. All data


50 ANS DE L’EPFL

«Dès que je me sens trop à l’aise, j’ai envie d’apprendre autre chose»


ACTUALITÉS SCIENTIFIQUES

Une main artificielle combine contrôles humain et robotique

actu_sommaire

Une voie pour les métastases cérébrales du cancer du sein


Un dispositif de haute précision pour l’ophtalmologie


INTERVIEW

Eric Mazur, une onde de choc dans l’enseignement

interview_sommaire

VU ET ENTENDU SUR LE CAMPUS

Faute de mieux


EN IMAGES

L’EPFL célèbre ses 1028 nouveaux diplômés


CAMPUS

Nouvelles nominations de professeurs


La face cachée des portes ouvertes


La mobilité vers l’EPFL est de plus en plus douce


A l’EPFL, les légumes poussent dans les cafétérias


Partager sa science autour d’une bière


EN IMAGES

Enorme succès pour les portes ouvertes 2019

campus_sommaire_image

A roulette with curves and surfaces


Arsenic et vieilles dentelles


How strategic alliances benefit education


Emplois


Un masque antipollution de haute qualité pour sauvegarder la santé de millions de citadins


Le bateau léger de l’EPFL remporte l’HydroContest 2019


Deux étudiants de l’EPFL champions universitaires de triathlon


LECTURE

La sélection des libraires


CULTURE

Les défis de la construction au Bangladesh face au changement climatique

culture_sommaire

Un restoroute comme lieu de résistance?


Danses-performances au Datasquare d’ArtLab


Les événements à venir


ÉVÉNEMENTS

Les points forts des 50 ans de l’EPFL


ACTUALITÉS SCIENTIFIQUES

BIONIQUE

 

Une main artificielle combine contrôles humain et robotique

La nouvelle technologie neuroprosthétique ouvre des perspectives dans le domaine émergent et interdisciplinaire des contrôles partagés pour les neuroprothèses.

 

Un projet du Laboratoire d'algorithmes et systèmes d'apprentissage (LASA), développé par Aude Billard

Katie Zhuang et la main artificielle robotisée.

Les scientifiques du LASA ont développé de nouvelles approches pour perfectionner la saisie des mains robotisées, à l’intention notamment des personnes amputées. Leur méthode associe le contrôle individuel des doigts et l’automatisation, afin d’améliorer la prise et la manipulation. Trois patients amputés et sept sujets bien portants ont participé à une démonstration de faisabilité, à la frontière de la neuroingénierie et de la robotique.

Cette technologie associe deux concepts issus de spécialités distinctes. Le premier provient de la neuroingénierie: il s’agit de déchiffrer les mouvements envisagés par le patient à partir de l’activité musculaire du moignon et de contrôler individuellement les doigts. Cela n’avait jamais été réalisé auparavant. Le second concept dérive de la robotique: la main artificielle assiste le patient dans la prise des objets et maintient le contact pour assurer une saisie ferme.

«Quand vous saisissez un objet dans la main et qu’il commence à vous échapper, vous n’avez que quelques millisecondes pour réagir, explique Aude Billard, directrice du LASA. Notre main robotique peut intervenir dans les 400 millisecondes. Equipée de capteurs de pression le long des doigts, elle réagit et stabilise la saisie avant même que le cerveau perçoive le glissement de l’objet.»

 

Comment fonctionnent les contrôles partagés

L’algorithme apprend d’abord comment décrypter l’intention de l’utilisateur, pour la traduire en mouvements sur les doigts de la prothèse. Le sujet amputé doit réaliser une série de mouvements de la main afin d’entraîner l’algorithme, qui repose sur des principes d’apprentissage automatisé. Placés sur le moignon du patient, des capteurs détectent les signaux provenant des muscles. L’algorithme apprend quel mouvement de la main correspond à quel type d’activité musculaire. Une fois déchiffrés les mouvements que souhaite exécuter l’utilisateur, l’information peut être exploitée pour contrôler individuellement les doigts de la prothèse.

«Les signaux qui proviennent des muscles peuvent être difficiles à interpréter, explique Katie Zhuang, première auteure de l’étude. Nous avons donc besoin d’un algorithme d’apprentissage automatique qui distingue l’activité musculaire pertinente et la traduit en mouvements.»

Enfin, les scientifiques ont modifié l’algorithme pour que l’automatisation robotique prenne le relais quand l’utilisateur tente de saisir quelque chose. L’algorithme ordonne à la prothèse de refermer ses doigts quand les capteurs, distribués sur la surface, entrent en contact avec un objet.

 

Hillary Santuary

> RETROUVEZ LES ACTUALITÉS COMPLÈTES
sur actu.epfl.ch