Vers des environnements virtuels plus écologiques : étude des modifications du comportement moteur en réalité virtuelle lors de l'ajout d'informations haptiques par un mécanisme parallèle entraîné par câbles
Bibliographic record
Abstract
Introduction : Les nouvelles technologies qui permettent de capter et d’analyser les mouvements des utilisateurs ne cessent de se développer et représentent un potentiel intéressant dans le domaine de la santé. Grâce à l’essor de ces nouvelles technologies, des systèmes de réalité virtuelle (RV) clefs en main intègrent les services de réadaptation, et les études démontrent leur capacité à optimiser la rééducation motrice et l’évaluation des clients présentant des troubles du contrôle moteur. Le marché de la RV est ainsi en pleine expansion, et l’ajout d’informations haptiques permettant de modéliser les caractéristiques physiques des entités virtuelles représente un intérêt considérable pour améliorer l’écologie des environnements virtuels (EVs) et le transfert des apprentissages aux activités quotidiennes. Toutefois, l’effet de l’ajout de ces informations sur le comportement moteur des sujets demeure très peu connu. L’objectif principal de cette thèse était ainsi d’évaluer l’impact de l’ajout d’informations haptiques, par un mécanisme parallèle entrainé par câbles (robot à câbles), sur le contrôle moteur de sujets sains, lors de la réalisation de tâches complexes et fonctionnelles dans des EVs. Les deux hypothèses principales étaient que cet ajout améliore le contrôle du mouvement lors de tâche de manutention d’objet ayant des contraintes environnementales statiques, et modifie les stratégies locomotrices proactives en présence de contraintes dynamiques. Méthode : Le comportement moteur de participants sains a été analysé lors de la réalisation de deux tâches. En premier lieu, une tâche de manutention de caisse nécessitant la préhension et le déplacement d’une caisse à partir d’une posture debout a été étudiée. Celle-ci a été réalisée dans un environnement réel et dans des EVs, en absence et en présence d’informations haptiques, relatives aux contraintes physiques de l’étagère et de la caisse manipulée, fournies grâce à un robot à câbles (Chapitre 3, N=12). En second lieu, une tâche nécessitant l’évitement d’avatars au cours de la marche sur un tapis roulant a été réalisée en présence et en absence de risque de contact physique avec les avatars, délivré par un robot à câbles (Chapitre 4, N=10). Les EVs étaient vus au travers d’un visiocasque. Résultats : La première étude a démontré une amélioration des paramètres spatiaux du mouvement réalisé dans l’EV en présente d’informations haptiques, au cours des différentes phases de la tâche de manutention (préhension, montée et descente de la caisse). L’organisation spatiale du mouvement était ainsi plus similaire à ce qui était observé dans un environnement réel, avec un meilleur respect des contraintes environnementales (éloignement plus important de la caisse avec l’étagère, trajectoire plus longue). De plus, le contrôle du mouvement était influencé par la demande de précision requise pour ne pas toucher les étagères en présence d’informations haptiques uniquement. La deuxième étude a démontré la mise en place de stratégies motrices plus précautionneuses pour éviter les avatars lors de l’ajout d’informations haptiques. Les participants tendaient à anticiper plus précocement l’évitement des avatars. Ils maintenaient une distance minimale plus importante avec les avatars et conservaient un espace péripersonnel plus large, indépendamment de l’angle d’approche de l’avatar. Conclusion : L’ajout d’informations haptiques dans les EVs impacte les stratégies motrices proactives des participants sains aussi bien lors de la tâche de manutention de caisse que de locomotion avec évitement d’avatars. Les résultats suggèrent que l’ajout d’informations haptiques favorise la prise en compte des entités virtuelles lors de la planification mouvement. Ces informations haptiques imposent en effet des restrictions plus réalistes dans les possibilités d’actions fournies par les EVs, et modifient probablement l’évaluation des conséquences que représente le contact avec les entités virtuelles. Il serait pertinent de poursuivre l’étude de l’influence de ces informations afin de proposer à des clients ayant des déficiences motrices des environnements encore plus écologiques, qui favorisent l’évaluation et la prise en compte des risques implicites que représentent les entités environnementales.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".