Un cadre de contrôle multimodal fondé sur la théorie du flow, fusionnant engagement mental et physique pour la rééducation du membre supérieur
Des chercheurs proposent un cadre de commande « Assist-as-Needed » (AAN, assistance à la demande) pour exosquelette du membre supérieur, qui fusionne deux signaux physiologiques: l'engagement mental, mesuré par électroencéphalographie (EEG), et l'engagement physique, mesuré par électromyographie de surface (sEMG). Un moteur de décision flou à quatre quadrants convertit ces deux indicateurs en une politique de contrôle continue, intégrée à une commande en impédance adaptative. Lorsque l'intention et l'exécution divergent, par exemple si la sortie musculaire faiblit alors que l'attention reste élevée, le robot ajoute une assistance en boucle ouverte (feedforward). Quand l'utilisateur se distrait, la raideur de guidage augmente pour le ramener vers la trajectoire. Le système a été testé sur des participants sains, face à une référence sEMG seule représentative de l'état de l'art. Le robot a dépensé 71,9 % d'énergie en moins, avec un suivi de trajectoire resté précis. Le temps passé dans la « zone de neuroplasticité » (Flow State Ratio) est passé de 4,6 % à 42,8 %.
L'enjeu porte sur une limite connue de la rééducation robotisée. Les méthodes AAN fondées uniquement sur des métriques physiques ne distinguent pas un patient incapable de produire la force d'un patient simplement distrait. Elles peuvent donc aider trop ou pas assez, et favoriser la passivité, alors que l'engagement actif est reconnu comme un moteur de l'apprentissage moteur. Séparer et réguler conjointement les états mentaux et physiques rend l'assistance plus sélective. Pour les fabricants d'exosquelettes de rééducation et les centres de soins, cela indique une direction possible: des contrôleurs qui s'appuient sur l'état cognitif de l'utilisateur. Les résultats demandent toutefois de la prudence. L'étude porte sur des sujets sains, pas sur des patients post-AVC. La baisse de 71,9 % de l'énergie robotique sert d'indicateur indirect de l'effort volontaire, et non de mesure de récupération fonctionnelle. Le gain de temps en zone de flow dépend aussi de la définition retenue et de la comparaison avec une seule référence. Aucune donnée clinique n'est présentée.
Ce travail s'inscrit dans la lignée de la commande AAN, apparue pour éviter que le robot ne « fasse tout » à la place du patient, et de la théorie du flow, qui postule qu'un équilibre entre défi et capacité maintient l'engagement. Les exosquelettes de rééducation commerciaux, comme ceux d'Harmonic Bionics, de Bionik ou d'Hocoma, reposent surtout sur des mesures de force ou de position. En Europe, la française Wandercraft travaille sur les exosquelettes de marche, et l'intégration de signaux cérébraux au contrôle reste un axe de recherche encore peu industrialisé. Les prochaines étapes logiques sont des essais avec des patients, une évaluation de la robustesse de l'EEG hors laboratoire (bruit, temps de pose, confort) et la mesure de bénéfices cliniques sur la durée. Le texte, publié en préprint sur arXiv, n'annonce ni pilote ni calendrier de commercialisation.
Pas d\'impact direct sur la France/UE
Dans nos dossiers




