Traitement des signaux EMG et son application pour commander un exosquelette
Notice bibliographique
Résumé
Le vieillissement de la population dans notre société moderne va entraîner de nouveaux besoins pour l’assistance aux personnes âgées et pour la réhabilitation. Les exosquelettes sont une piste de recherche prenant de plus en plus d’importance pour répondre à ces nouveaux challenges. Deux de ces challenges sont, la réalisation d’un contrôle naturel pour l’utilisateur et la sécurité. Cette maîtrise cherche à répondre à ces deux problématiques. Nous avons donc développé un outil de travail informatique utilisant les décharges électriques produites par les neurones moteurs pour contracter les muscles et un modèle des os et des muscles du bras. Cet outil utilise la librairie informatique ROS et OpenSim. Elle permet de connaître la force et le mouvement développés par le coude. De plus, un autre outil informatique a été développé pour optimiser le modèle des os et des muscles du bras pour le personnaliser à l’utilisateur pour un meilleur résultat. Une carte d’acquisition utilisant des électrodes de surface pouvant être reliées avec un ordinateur par USB et compatible avec ROS a été développée. Pour tester les algorithmes développés, un exosquelette pour le coude utilisant un actionneur compliant et contrôlé en force a été conçu. Pour compenser le poids de l’exosquelette et l’effet d’amortissement passif de l’actionneur, une compensation de gravité dynamique a été développée. Finalement, des expérimentations ont été menées sur l’efficacité de l’optimisation du modèle et sur l’exosquelette avec les différents algorithmes.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».