Commande collaborative pour un fauteuil roulant intelligent

Le contrôle partagé est l'une des plus importantes problématiques à laquelle les chercheurs font face dans le domaine de l'interaction entre l'Homme et la machine. Il est souvent appliqué pour les véhicules motorisés avec contrôle assisté tels que les fauteuils roulants électriques, les marcheurs médicaux, les véhicules d'exploration spatiale et l'exploration sous-marine... Il est aussi utilisé pour la robotique manipulatrice avec les modules de téléopération des bras manipulateurs et des instruments chirurgicaux. Le but de ce mémoire est le développement d'un système de contrôle collaboratif entre un opérateur humain et un Fauteuil Roulant Motorisé Intelligent (FRMI) afin de faciliter les tâches de navigation pour les personnes à mobilité réduite dont la maladie affecte leur aptitude pour contrôler la machine d'une manière précise. Nous proposons donc un module de navigation qui se base théoriquement sur les processus de décision de Markov afin d'estimer d'une part l'intention du pilote et corriger d'autre part ses commandes dans le cas de danger. Ce module donne une importance majeure aux signaux de contrôle de l'humain qui est considéré dans tout le travail comme étant la source primaire de décision. Par conséquent, le module se contente uniquement de l'assister. Deux modes de fonctionnement de notre contrôleur collaboratif ont été créés afin de satisfaire divers styles de conduite et fournir des degrés d'assistances différents. Pour le premier mode, l'utilisateur fixe une ou plusieurs destinations sur la carte de l'environnement créée par le fauteuil en temps réel et ainsi pendant qu'il navigue librement, la machine estime son intention en observant ses commandes pour l'aider à atteindre la destination la plus probable en évitant tous les dangers. Par contre, pour le deuxième mode de fonctionnement, nous présentons un degré d'assistance plus élevé, autrement dit les rôles sont inversés et c'est le FRMI qui se chargera de toutes les tâches de navigation (planification de trajectoire, détermination de commandes de vitesse, évitement d'obstacle...). Le rôle du pilote se résume initialement dans l'expression d'une destination finale mais il peut reprendre le contrôle à tout instant si par exemple il change d'avis pendant la navigation et il veut atteindre un point intermédiaire sur la carte. Notre travail contribue à l'amélioration de l'interaction entre l'humain et la machine en partageant le contrôle pendant la navigation. Il assure aussi une sécurité supplémentaire en prévoyant les risques d'accrochage pour réduire la vitesse en cas de danger non détecté par l'usager.

Abstract

Shared autonomy or shared control is one of the most important challenge that pushes researchers to focus more and more on the application of this kind of concept in the assistive technology. It adequately accommodates the living standards of the elderly and disabled communities. It helps them to accomplish the daily tasks with comfort and no assistance. To this end, we have chosen the Partially Observable Markov Decision Process in order to formulate our shared control of the semi-autonomous module added to our SmartWheeler in order to facilitate navigation tasks and to control the machine in a precise manner. Our decision process estimates firstly the intention of the driver and then corrects all his commands in case of danger. This gives the operator a lot of freedom in controlling the machine. As we consider human mind as a very good item to resolve quickly complex problem, it represents the primary source of decision in our work. Moreover, two modes of operation in our collaborative controller have been created to suit the driving style and provide different degrees of assistance. The user has to set one or more goals in the map. Then, with the first mode, he/she can navigate freely between all those goals. The SmartWheeler estimates his/her intention in order to help him/her to reach the intended destination. For the second mode of operation, we set a higher degree of assistance. The two controlling agents (human and machine) swap roles, so that the collaborative module takes in charge all navigation tasks (path planning, speed controls, obstacle avoidance...) and the pilot after choosing the final destination has to let the machine do the job. However, he/she also can take control at any time he/she wants. For example, if he/she changes his/her mind during the navigation and wants to reach an other goal, he/she has to give some velocity commands with the joystick and the module switches automatically to the first mode. Our work contributes to the improvement of human-machine interaction. It provides additional security by detecting collisions and dangerous scenarios. It reduces the speed and corrects orientations. We performed a user study to test our shared autonomy in several scenarios. The results show that our system did not cause any conflict between the two controlling agents. The subjects were not able to perceive the intervention of the module and they felt safer using our algorithm.