Détection des événements d'attaque du talon et de décollage des orteils par méthodes cinématiques et modèles LSTM
Une étude publiée en prépublication sur arXiv (réf. 2503.00794) a évalué sept méthodes cinématiques et un modèle LSTM (Long Short-Term Memory) pour la détection automatique des événements de marche, à savoir le contact du talon (heel strike) et le décollage de l'orteil (toe-off), sur un corpus de 4 363 cycles de marche issus de 588 sujets valides. Parmi les approches cinématiques testées, la méthode de Zeni et al. obtient les meilleures performances en précision, tandis que plusieurs autres présentent des biais systématiques ou requièrent un ajustement paramétrique spécifique au jeu de données. Le modèle LSTM, entraîné de manière supervisée sur ces mêmes données, atteint un niveau de performance comparable à Zeni et al. sans ces biais, s'imposant comme une alternative data-driven sans recalibrage manuel.
Ces résultats ont des implications directes pour le contrôle d'exosquelettes, où la détection précise des phases de stance (appui) et de swing (oscillation) conditionne la qualité de l'assistance motrice. Un algorithme de détection biaisé ou mal calibré peut introduire des erreurs de synchronisation dans la commande de l'actionneur, dégradant le confort et la sécurité du porteur. Le fait que le LSTM rivalise avec la meilleure méthode cinématique sans nécessiter d'ajustement selon la morphologie du sujet ou le type de capteur suggère que les approches deep learning offrent une robustesse supérieure pour des déploiements ambulatoires hors laboratoire.
La détection des événements de marche est un problème central en biomécanique clinique depuis plusieurs décennies, traditionnellement résolu par des semelles de force (force plates) ou des capteurs de pression plantaire, matériel coûteux et peu portable. Les méthodes cinématiques basées sur des unités inertielles (IMU) ont émergé comme alternative ambulatoire, mais restent sensibles aux artefacts de mouvement et aux profils atypiques. Des acteurs comme Wandercraft (exosquelette Atalante, Paris) ou ReWalk intègrent ce type de détection dans leurs boucles de contrôle en temps réel. Les auteurs annoncent comme prochaine étape la validation sur des populations pathologiques, notamment les sujets post-AVC et les patients souffrant d'arthrose du genou, populations dont les profils cinématiques s'écartent significativement des normes d'entraînement du modèle actuel, et où la généralisation des méthodes reste à démontrer.
Les méthodes LSTM sans recalibrage présentées pourraient renforcer la robustesse du contrôle en temps réel de l'exosquelette Atalante de Wandercraft (Paris), acteur français explicitement cité comme intégrateur de ce type de détection dans ses boucles de commande.
Dans nos dossiers
