Search

La paralysie cérébrale (PC) spastique est une pathologie qui touche près d’un enfant sur 500 à la naissance. Cette pathologie crée de nombreux problèmes moteurs notamment lors de la marche comme des mouvements involontaires due à une hypertonie musculaire appelée aussi spasticité. Chaque paralysie cérébrale a sa propre sévérité mesurée par différentes échelles. Actuellement, très peu d’aides motrices sont disponibles pour les enfants, le marché des assistances robotisées se focalisant principalement sur les adultes (anthropométrie constante et pathologie peu évolutive).L’objectif du projet EXOKID, dont cette thèse est issue, est donc de permettre à davantage d’enfants atteints de paralysie cérébrale d’avoir accès à un système robotisé à anthropométrie adaptée. Ce système doit pouvoir évoluer en fonction de leur croissance et de l’évolution de leur pathologie afin d’améliorer leur marche tant dans un contexte de rééducation au sein de structures adaptées que dans leur mobilité quotidienne.L’enfant, atteint de cette paralysie cérébrale, doit être pris en charge le plus tôt possible. Le but est de permettre à ce que l’enfant apprenne à marcher : en effet, la plasticité cérébrale des enfants est plus importante que celle des adultes et permet potentiellement à l’enfant d’apprendre rapidement, malgré d’éventuelles lésions cérébrales.Deux sœurs jumelles, dont l’une est atteinte de PC spastique, ont été étudiées. Cette gémellité nous a permis d’avoir des anthropométries proches et d’utiliser les données de la jumelle saine comme référence pour améliorer la marche spastique de sa sœur.Cette thèse s’articule ainsi autour de deux grands champs : la biomécanique et la robotique. Une étude de l’impact de paralysie cérébrale spastique sur la marche humaine a été réalisée. Cette étude a été suivie par une modélisation de la marche spastique et de l’interaction entre un enfant atteint de PC spastique et un exosquelette dans le but d’améliorer la cinématique de l’enfant.Cette thèse a abouti à la modélisation personnalisée d’une marche spastique ainsi que d’un premier contrôle de cette marche, par le biais d’une interaction exosquelette-humain, afin de la faire converger vers une marche plus saine., Spastic cerebral palsy is a pathology that affects nearly one child in 500 at birth.This pathology creates numerous motor problems, particularly when walking, suchas involuntary movements due to muscular hypertonia, also called spasticity. Eachcerebral palsy has its own severity measured by different scales. Currently, very fewmotor aids are available for children, as the market for robotic aids focuses mainlyon adults (constant anthropometry and pathology that does not evolve much). Theobjective of the EXOKID project, from which this thesis stems, is therefore to allowmore children with cerebral palsy to have access to a robotic system with adaptedanthropometry. This system must be able to evolve according to their growth andthe evolution of their pathology in order to improve their walking both in the contextof rehabilitation within adapted structures and in their daily mobility. The child,suffering from this cerebral palsy, must be taken in charge as soon as possible. Theaim is to enable the child to learn to walk : indeed, the cerebral plasticity of childrenis more important than that of adults and potentially allows the child to learnquickly, despite possible cerebral lesions.Two twin sisters, one of whom has spastic PC, were studied. This twinhood allowedus to have close anthropometries and to use the data of the healthy twin as areference to improve the spastic gait of her sister. This thesis is thus articulatedaround two main fields : biomechanics and robotics. A study of the impact of spasticcerebral palsy on human walking was carried out. This study was followed by amodelling of a spastic walking and the interaction between a child suffering fromspastic cerebral palsy and an exoskeleton with the aim of improving the child’skinematics. This thesis resulted in the personalised modelling of a spastic gait anda first control of this gait, through an exoskeleton-human interaction, in order tomake it converge towards a healthier gait.

Naval mine hunting missions consist in detecting and locating mines. To reduce human risk, this mission can be realized with an autonomous multi-robot system. However, the underwater context imposes extremely strong constraints on communications, which imply major difficulties in establishing cooperation strategies. Moreover, these missions are dynamic by nature because it is necessary to identify the detected suspicious objects. The robots must therefore react to new targets and distribute them within the fleet. Finally, there may be more than one way to achieve an objective, and specific constraints may be imposed by the operator. These elements induce complex dependencies on the tasks to achieve.The distribution of these objectives within the system defines ``Multi-Robot Task Allocation Problems (MRTA)'' to be solved before and during the mission. Given the specificities of the mission, such as communication constraints and complex dependencies that may link tasks, solving an MRTA problem is difficult. The solution of an MRTA problem defines a plan to be executed by the robots. The execution of this plan is, however, not deterministic. Therefore, each robot must supervise the plan execution in order to detect deviations, which must be repaired to not compromise the mission. The implementation of decision, supervision, and repair algorithms that are able to meet these challenges is at the heart of our work. We propose to base these algorithms on methods mixing auction-based allocation and hierarchical planning. Finally, we leverage the rich structures used by the decision algorithm to allow robots to supervise and repair their plans., Une mission de chasse aux mines consiste à détecter et localiser des mines, et peut être réalisée grâce au déploiement d'une flotte de robots sous-marins en coopération. Le contexte sous-marin impose cependant des contraintes sur les communications, impliquant des difficultés à l’établissement des stratégies de coopération. Par ailleurs, cette mission est par nature dynamique puisqu'il faut faire face à des aléas, par exemple la détection d'une nouvelle mine va induire de nouveaux objectifs pour le système multirobots. Enfin, il peut exister plusieurs manières de réaliser un objectif, et des contraintes spécifiques peuvent être imposées par l’opérateur. Ces éléments induisent des dépendances complexes entre les tâches à exécuter.Les répartitions de ces objectifs au sein du système définissent des problèmes d’allocation de tâches multirobots (« Multi-Robot Task Allocation » ou MRTA) devant être résolus avant et pendant la mission. Au regard des spécificités de la mission, telles que les contraintes de communication et les dépendances complexes pouvant lier les tâches, la résolution d’un problème de MRTA est difficile. La solution d’un problème de MRTA définit un plan qui doit être exécuté par les robots. L’exécution de ce plan n’est cependant pas déterministe, chaque robot doit donc superviser l’exécution de son plan afin d’en détecter les divergences. Au même titre que l’intégration de nouveaux objectifs, ces divergences sont des aléas qu’il faut réparer afin de ne pas compromettre la mission. La mise en place d’algorithmes de décision, de supervision, et de réparation, aptes à répondre à ces défis est au coeur de nos travaux. Nous proposons d! e faire reposer ces algorithmes sur des méthodes entremêlant allocation par enchères et planification hiérarchique. Enfin, nous tirons profit des structures riches utilisées par l’algorithme de décision pour permettre aux robots de superviser et réparer leurs plans.

This thesis explores how to generate paths for legged robot locomotion.One approach to tackle the locomotion problem is its division into three sequential modules: navigation to generate a guide path that the robot has to follow, contact planning along this guide path, and finally the robot whole-body motion. This division greatly reduces the locomotion problem complexity, but raises the critical question of the "feasibility" between the different modules. In this context, this thesis explores the feasibility problem between the navigation and the next modules, in other words: "How to generate feasible paths by the robot?"A naive approach is to use a reduced model of the robot with two conditions: the robot trunk must not collide with the environment, and the robot feet must be able to reach the ground all along the path. But these two conditions are not sufficient to approximate path feasibility. To refine these conditions, another approach is to consider the traversability of the terrain, to generate more likely easier paths for the robot. This thesis explores a different approach that is to learn by reinforcement how to generate feasible paths directly from the contact planner.My contribution is a local steering method, named Leas, which locally navigates the terrain in the desired direction using a height map. Leas learns from the contact planner validation what is a feasible path by it, and consequently adapts its navigation behavior.This steering method has been connected to three contact planners, each having different strategies. I will explain its results and limitations for legged robot locomotion in complex environments., Le but de ma thèse est d’apprendre comment générer des chemins pour la locomotion de robots à pattes.Une approche possible au problème de la locomotion est une division en trois modules séquentiels qui sont: la navigation pour générer un chemin (ou guide) que le robot devra suivre, la planification de ses pas tout le long du chemin, puis enfin le mouvement corps complet du robot pour les réaliser. Cette division permet de réduire la complexité du problème, mais amène la question critique de la "faisabilité" entre les différents modules. Dans ce contexte, cette thèse s'intéresse à la question de la faisabilité entre le module de navigation et les autres modules, autrement dit: "Comment générer des chemins faisables par le robot?"Une approche naïve repose sur un modèle réduit du robot apportant deux conditions: le tronc du robot ne soit pas en collision avec l'environnement, et les pieds du robot doivent pouvoir atteindre le sol tout le long du chemin. Mais ces deux conditions ne sont pas suffisantes pour approximer la faisabilité des chemins. Pour raffiner ces conditions, une deuxième approche est de s'intéresser au concept de traversabilité des terrains, afin de de générer des chemins plus faciles pour le robot. Cette thèse explore une autre approche qui est d'apprendre par renforcement à générer des chemins faisables directement via le planificateur de contact.Ma contribution est une méthode de pilotage, nommée Leas, qui grâce à une carte d'élévation locale navigue le terrain dans une direction désirée. Leas apprend via la validation par le planificateur de contact ce qu'est un chemin faisable par lui, et modifie ses comportements de navigation en conséquence. Cette méthode de pilotage a été connectée à trois planificateurs de contacts ayant des stratégies différentes. Je vais montrer ses résultats et ses limitations pour la locomotion de robot à pattes dans des environnements complexes.