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

Benoît Théry Contributeur
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 réponses
0 utilisateurs
Suivre la discussion

Les actualités récentes les plus commentées

Linky : une étude de l'ANFR ne relève aucune exposition anormale aux ondes radioélectriques
Un chercheur lance une pétition pour rendre gratuits les articles liés au réchauffement climatique
Des équipes d'Amazon chargées de scruter les images des caméras de surveillance de la marque
Pour Michel Mayor, prix Nobel de physique 2019, l'humanité ne migrera pas sur d'autres planètes
Blizzard demande leur carte d'identité aux pro-manifestants de Hong Kong pour supprimer leur compte
LDLC.com à nouveau élu Service Client de l'Année 2020
L'énergie renouvelable est la principale source d'électricité au Royaume-Uni
Xavier Niel défend le projet Libra... dans lequel il a investi
Journée de la communauté Clubic.com : c'était samedi, c'était comment ?
Dyson laisse tomber son projet de voiture électrique

Notre charte communautaire

1. Participez aux discussions

Nous encourageons chacun à exprimer ses idées sur les sujets qui l'intéressent, et à faire profiter l'ensemble de la communauté de son expertise sur un sujet particulier.

2. Partagez vos connaissances

Que vous soyez expert ou amateur passionné, partagez vos connaissances aux autres membres de la communauté pour enrichir le niveau d'expertise des articles.

3. Échangez vos idées

Donnez votre opinion en étayant votre propos et soyez ouverts aux idées des autres membres de la communauté, même si elles sont radicalement différentes des vôtres.

4. Faites preuve de tolérance

Qu'il s'agisse de rédacteurs professionnels ou amateurs, de lecteurs experts ou passionnés, vous devez faire preuve de tolérance et vous placer dans une démarche d'entraide.

5. Restez courtois

Particulièrement lorsque vous exprimez votre désaccord, critiquez les idées, pas les personnes. Évitez à tout prix les insultes, les attaques et autres jugements sur la forme des messages.

6. Publiez des messages utiles

Chaque participation a vocation à enrichir la discussion, aussi les partages d'humeurs personnelles ne doivent pas venir gêner le fil des échanges.

7. Soignez votre écriture

Utilisez la ponctuation, prohibez le langage SMS et les majuscules, relisez-vous afin de corriger un peu les fautes de frappe et de français : trop de fautes n’engagent ni à lire le message, ni à répondre à une question.

8. Respectez le cadre légal

Ne publiez pas de contenus irrespectueux, racistes, homophobes, obscènes ou faisant l'apologie de courants radicaux, qu'ils soient politiques ou religieux. N'utilisez pas plusieurs comptes utilisateurs.

9. Ne faites pas de promotion

Ne profitez pas d'une discussion pour faire la publicité d'un produit, d'un service ou même de votre site web personnel.

10. Ne plagiez pas

Exprimez uniquement vos opinions ou partagez des idées en citant vos sources.

scroll top