Membres artificiels adaptatifs : une approche en temps réel de la prédiction et de l'anticipation

La prévision de l'avenir est depuis longtemps considérée comme un moyen puissant d'amélioration et de réussite. La capacité à faire des prédictions précises et opportunes renforce notre capacité à contrôler notre situation et notre environnement. La robotique d'assistance est un domaine important dans lequel ce type de prévision peut améliorer la qualité de vie. Dans cet article, nous présentons une nouvelle approche pour acquérir et maintenir des connaissances prédictives pendant le fonctionnement continu en ligne d'un robot d'assistance. La capacité d'apprendre des prédictions précises et abstraites dans le temps est démontrée par deux études de cas : 1) le contrôle myoélectrique d'un bras de robot par une personne valide et 2) les interactions d'une personne amputée avec un robot d'entraînement myoélectrique. À notre connaissance, cette recherche est la première démonstration d'une méthode pratique d'apprentissage de prédictions en temps réel pendant le contrôle myoélectrique. Notre approche représente donc un outil fondamental pour résoudre un problème majeur non résolu : l'adaptation spécifique aux amputés pendant le fonctionnement continu d'une prothèse. Les résultats de cet article apportent également un premier regard explicite sur l'apprentissage de la prédiction en prothétique comme un objectif important en soi, indépendamment de son utilisation prévue dans un contrôleur ou un système spécifique. Nos résultats suggèrent que l'apprentissage en temps réel des prédictions et des anticipations est une étape importante vers des prothèses myoélectriques plus intuitives et d'autres dispositifs robotiques d'assistance.