Des chercheurs suisses élaborent une prothèse ultra-précise grâce au machine learning

22 septembre 2019 à 15h40
0
Robot prothèse EFPL
© 2019 EPFL / Alain Herzog

Lorsqu'une personne doit être amputée d'un membre, une prothèse peut être suggérée pour le remplacer. Si les prothèses actuelles gagnent chaque jour en qualité, les difficultés dans la réalisation de gestes précis restent d'importance.

L'Ecole polytechnique fédérale de Lausanne (EPFL) travaille cependant à une solution : utiliser le machine learning pour enseigner à une prothèse robotique les gestes précis du quotidien.

Remplacer les sensations de la main


Nous évoquions récemment une prothèse de jambe de l'ETH de Zurich promettant de rétablir les sensations des personnes amputées au-dessus du genou.

Cette fois, c'est l'EPFL qui dévoile une prothèse utilisant le machine learning pour « apprendre » à saisir les objets avec une grande précision. Pour comprendre le principe, il faut imaginer que vous ayez été amputé au-delà du coude. Les prothèses actuelles sont déjà en mesure de comprendre les gestes les plus simples : lever le bras, ouvrir ou fermer la main, etc.

Mais si cette méthode permet de saisir des objets, elle manque encore de précision. Il est par exemple encore délicat de gérer l'emplacement de chaque doigt pour épouser parfaitement la forme de l'objet. Il est également complexe de mesurer la pression pour que l'objet ne soit pas écrasé par la main ou, au contraire, qu'il n'en glisse pas.

Adaptation, improvisation


L'EPFL, qui a publié ses résultats dans Nature, a donc « enseigné » à une prothèse robotique la manière de bien tenir les objets, comme nous apprenons à le faire pendant notre enfance. Ainsi lorsque l'humain effectue un geste simple comme celui d'attraper une bouteille, la prothèse adapte seule sa prise, en se basant sur la forme et la nature de l'objet. Elle improvise cette prise en temps réel : si l'adhérence n'est pas suffisante et que l'objet tend à glisser, la machine s'adapte en moins d'une demi-seconde.

L'appareil se base également sur les signaux musculaires envoyés par la personne, dont il faut extraire les informations utiles. Katie Zhuang, autrice principale de la publication, explique : « Parce que les signaux musculaires peuvent être brouillés, nous avons besoin d'un algorithme de machine learning capable d'extraire les informations pertinentes de ces muscles, et de les traduire en mouvements ». Du point de vue de la personne amputée, le geste reproduit plus fidèlement celui d'un véritable membre, uniquement par la volonté.

Le communiqué de l'EPFL précise cependant qu'il reste des obstacles à surmonter avant une implémentation du système dans des prothèses commercialisables. Le robot utilisé par l'équipe a été fourni par une société-tierce, mais Silvestro Micera, professeur de bio-électronique à l'école supérieure Sainte-Anne et membre de l'EPFL, affirme que « cette approche commune pourra être utilisée dans prothèses bioniques et des interfaces homme-machine, augmentant l'impact clinique et l'usage de ces appareils ».

Source : TechCrunch
0
0
Partager l'article :

Les actualités récentes les plus commentées

Covid-19 : Twitter connaît une hausse de 900% des discours racistes contre la Chine
L'empreinte carbone issue de la consommation des Français a chuté de deux-tiers avec le confinement
Coup dur chez HPE : des SSD destinés aux entreprises pourraient se briquer après 40 000 heures
Le stockage d’énergie sous forme d’hydrogène fait un bond en avant
Xiaomi lancera la très attendue Mi TV 4S 65
Des Macbook propulsés par des processeurs ARM prévus pour l'an prochain
Office 365 devient Microsoft 365 et fait le plein de nouveautés
Folding@home dépasse l'ExaFLOP pour lutter contre le Coronavirus
Renault prête 1 300 véhicules au personnel soignant, dont 300 ZOE électriques
Square-Enix avance (officieusement) la date de sortie de Final Fantasy VII Remake !
scroll top