Que vous attrapiez une tasse, un crayon ou la main de quelqu’un, vous n’avez pas besoin de donner consciemment des instructions à chacun de vos doigts sur l’endroit où ils doivent se placer pour obtenir une prise correcte.
La perte de cette capacité intrinsèque est l’un des nombreux défis auxquels sont confrontées les personnes avec des bras et des mains prothétiques. Même avec les prothèses robotiques les plus avancées, ces activités quotidiennes s’accompagnent d’une charge cognitive supplémentaire, car les utilisateurs ouvrent et ferment délibérément leurs doigts autour d’une cible.
Des chercheurs de l’Université de l’Utah utilisent désormais l’intelligence artificielle pour résoudre ce problème. En intégrant des capteurs de proximité et de pression dans une main bionique commerciale, puis en entraînant un réseau de neurones artificiels sur des postures de préhension, les chercheurs ont développé une approche autonome qui ressemble davantage à la manière naturelle et intuitive dont nous saisissons les objets. Lorsqu’ils travaillaient en tandem avec l’intelligence artificielle, les participants à l’étude ont démontré une meilleure sécurité de préhension, une plus grande précision de saisie et un effort mental moindre.
Fait crucial, les participants ont pu effectuer de nombreuses tâches quotidiennes, comme ramasser de petits objets et lever une tasse, en utilisant différents styles de préhension, le tout sans entraînement ou pratique intensifs.
L’étude a été dirigée par le professeur d’ingénierie Jacob A. George et Marshall Trout, un chercheur postdoctoral au Utah NeuroRobotics Lab, et paraît mardi dans la revue Nature Communications.
« Aussi réalistes que deviennent les bras bioniques, les contrôler n’est toujours pas facile ou intuitif, a expliqué Trout. Près de la moitié des utilisateurs abandonnent leur prothèse, invoquant souvent leurs mauvais contrôles et la charge cognitive. »
Un problème est que la plupart des bras et mains bioniques commerciaux n’ont aucun moyen de reproduire le sens du toucher qui nous donne normalement des façons intuitives et réflexes de saisir des objets. La dextérité n’est cependant pas simplement une question de rétroaction sensorielle. Nous avons aussi dans notre cerveau des modèles subconscients qui simulent et anticipent les interactions main-objet ; une main « intelligente » devrait également apprendre ces réponses automatiques avec le temps.
Les chercheurs de l’Utah ont abordé le premier problème en équipant une main artificielle, fabriquée par TASKA Prosthetics, de bouts de doigts sur mesure. En plus de détecter la pression, ces bouts de doigts étaient équipés de capteurs de proximité optiques conçus pour reproduire le sens du toucher le plus fin. Les doigts pouvaient détecter, par exemple, une boule de coton pratiquement sans poids tombant sur eux.
Pour le second problème, ils ont entraîné un modèle de réseau de neurones artificiels sur les données de proximité afin que les doigts se déplacent naturellement à la distance exacte nécessaire pour former une prise parfaite de l’objet. Parce que chaque doigt a son propre capteur et peut « voir » devant lui, chaque doigt travaille en parallèle pour former une prise parfaite et stable sur n’importe quel objet.
Mais un problème subsistait. Et si l’utilisateur n’avait pas l’intention de saisir l’objet de cette manière exacte ? Et s’il voulait, par exemple, ouvrir sa main pour lâcher l’objet ? Pour résoudre cette dernière pièce du puzzle, les chercheurs ont créé une approche bio-inspirée qui implique un partage du contrôle entre l’utilisateur et l’agent d’IA. Le succès de l’approche reposait sur la recherche du bon équilibre entre le contrôle humain et le contrôle machine.
« Ce que nous ne voulons pas, c’est que l’utilisateur se batte avec la machine pour le contrôle. En revanche, ici, la machine a amélioré la précision de l’utilisateur tout en rendant les tâches plus faciles, a souligné Trout. En substance, la machine a augmenté son contrôle naturel pour qu’il puisse accomplir des tâches sans avoir à y penser. »
Les chercheurs ont également mené des études avec quatre participants dont les amputations se situent entre le coude et le poignet. En plus d’une performance améliorée sur des tâches standardisées, ils ont également tenté de multiples activités quotidiennes nécessitant une motricité fine. Des tâches simples, comme boire dans un gobelet en plastique, peuvent être incroyablement difficiles pour un amputé ; serrez trop doucement et vous le faites tomber, mais serrez trop fort et vous le cassez.
« En ajoutant un peu d’intelligence artificielle, nous avons pu déléguer cet aspect de la préhension à la prothèse elle-même, a révélé George. Le résultat final est un contrôle plus intuitif et plus adroit, qui permet aux tâches simples de redevenir simples. »
George est le Solzbacher-Chen Endowed Professor au Département de génie électrique et informatique du John and Marcia Price College of Engineering et au Département de médecine physique et de réadaptation de la Spencer Fox Eccles School of Medicine. Ce travail s’inscrit dans la vision plus large du Utah NeuroRobotics Lab d’améliorer la qualité de vie des amputés.
« L’équipe de recherche explore également des interfaces neurales implantées qui permettent aux individus de contrôler les prothèses avec leur esprit et même de retrouver un sens du toucher, a poursuivi George. Les prochaines étapes, l’équipe prévoit de fusionner ces technologies, afin que leurs capteurs améliorés puissent améliorer la fonction tactile et que la prothèse intelligente puisse s’intégrer de manière transparente avec un contrôle basé sur la pensée. »
Article : Shared human-machine control of an intelligent bionic hand improves grasping and decreases cognitive burden for transradial amputees – Journal : Nature Communications – Méthode : Experimental study – DOI : 10.1038/s41467-025-65965-9
Soruce : Utah U.
