Armind



Enseignant: Nicolas Glade, Nicolas Vuillerme, Renaud Blanch

Elèves Ingénieurs RICM5 & TIS5: Marie Chevallier (chef de projet), Yacine Fall, Radia Koubaa, Anne Tabard

Description


Les handicaps sont nombreux et variés. Il est essentiel de pouvoir tenir compte de cette diversité pour améliorer le quotidien des personnes concernées.

Le DefiH organisé par Sogeti et LeMondeInformatique.fr nous offre l'opportunité de nous pencher sur cette question. Notre équipe, issue de l'école Polytech Grenoble a focalisé son attention sur les handicaps des membres supérieurs. Nous travaillons sur la réalisation d'un dispositif de compensation de handicap. Ce dernier est basé sur la commande d„un bras robotisé par la pensée via un casque neuronal. La bonne réalisation d'un projet nécessite la combinaison de deux éléments essentiels : Avoir une bonne idée à développer et assurer un bon suivi du projet à l'aide d'outils de gestion de projet. Il est aussi essentiel de s'assurer de l'utilité du projet en validant le besoin avec l'utilisateur. Son utilisabilité est enfin le dernier point fondamental à respecter en réalisant une solution en adéquation avec le besoin.

Le partenaire
La Fondation Garches, reconnue d'utilité publique depuis 2005 a pour double objectif le développement de l'autonomie et la réinsertion sociale et professionnelle des personnes en situation de handicap. Cela rejoint les enjeux du projet Armind : permettre à des personnes en difficulté d'interagir avec leur environnement afin de favoriser leur réinsertion professionnelle. Cela passe par le développement d'un dispositif médical de compensation de handicap : un bras robotisé commandé par la pensée via un casque neuronal. La fondation Garches a une forte implication dans le domaine des handicaps moteurs, surtout ceux relatifs aux membres inférieurs. Mais il ne s’agit pas d’un intérêt exclusif.

Le projet Armind vient donc en complément de cette activité. Il est centré sur la personne ayant un handicap des membres supérieurs, mais peut très bien assister une personne à mobilité réduite pour une meilleure interaction avec son environnement (exemple : personne alitée). La solution Armind s’adresse à de nombreux types de paralysie. Elle peut donc aussi concerner des personnes atteintes du syndrome de renfermement (locked-in). Il s’agit d’une paralysie quasi complète de l’organisme à l'exception des capacités cognitives. La cause principale de cette paralysie est la survenue d’un AVC pouvant toucher des personnes très jeunes, et donc professionnellement actives.

Par leur expérience, les membres de la Fondation Garches ont beaucoup à apporter. Ils connaissent les besoins et les attentes des utilisateurs, ainsi que les lacunes à combler dans leur environnement. Par leur expertise, ils pourront nous aider, nous conseiller afin d’obtenir, à long terme, un outil répondant au mieux aux attentes des utilisateurs dans le besoin.

Le client


Depuis 2010, Sogeti, via sa Mission Handicap, s'engage à sensibiliser la population aux handicaps et à la réinsertion professionnelle de tous. Cela repose sur cinq principaux engagements :
 * Le recrutement de personnes en situation de handicap
 * Le maintien dans l'emploi
 * L'accueil et la formation de stagiaires
 * Le soutien d‟un milieu adapté et protégé
 * L'information et la sensibilisation

Le DéfiH s'inscrit dans cette mission. Il est organisé en partenariat avec LeMondeInformatique.fr. Il tient compte de la diversité des handicaps et de leur grand nombre. Le besoin premier du client est de développer un système permettant de compenser un handicap quelconque (handicap moteur, mental, cécité, surdité...). Notre équipe a ensuite fait le choix de travailler sur les handicaps moteurs, principalement ceux liés aux membres supérieurs. Cela peut comprendre l'incapacité de mouvoir ses bras, la fatigue rapide, des degrés de libertés limités jusqu'aux paralysies totales (syndrome locked-in). Nous verrons tout au long de ce document que l‟outil proposé peut être utilisé dans diverses situations et est applicable à de nombreux handicaps.

Dans le cadre de notre projet, le client souhaite obtenir un produit de compensation de handicap, basé sur l'usage de systèmes robotiques. Le but n'est pas de remplacer complètement un bras humain, mais de rétablir un équilibre dans le quotidien des personnes en difficulté en comblant au mieux ce manque. Cela passe par l'utilisation d‟un outil permettant d'effectuer des gestes simples de la vie quotidienne, impossible ou difficile pour l'utilisateur, jusque là.

Enjeux et objectifs
Armind est un projet s'insère dans le cadre de nos études, et qui s'inscrit aussi à la deuxième édition du DéfiH. Il s'agit d'un concours entre cinq grandes écoles et universités, organisé par Sogeti et LeMondeInformatique.fr. Le projet présenté cette année par Polytech Grenoble a pour objectif d'accompagner les personnes en situations de handicap moteur. Il cible en particulier les personnes atteintes d'un handicap des membres supérieurs. Il repose sur la combinaison de trois domaines scientifiques : l'informatique, la robotique et les sciences médicales.

Ce projet veut favoriser la formation, l'insertion, le maintien ou le retour à l'emploi de personnes en situation de handicap. En effet, grâce au contrôle mental, l'utilisateur pourra de nouveau avec une interaction avec son environnement, via un bras moteur. Cette innovation en interaction cerveau-machine doit permettre l'amélioration des activités de préhension de la vie quotidienne des personnes à mobilité très réduite ou dotées d'un handicap lourd. Par exemple, une personne incapable de quitter son lit pourra alors utiliser ce contrôle mental à distance pour effectuer un travail à l'aide d'un robot mobile (type robot de téléprésence).

Il faut donc obtenir un système fiable et stable si l'on veut le déployer auprès de personnes déjà vulnérables. Il est essentiel de faire attention à ne pas mettre les utilisateurs en danger.



Pathologie ciblée
La tétraplégie correspond à une paralysie affectant les quatre membres : bras et jambes. Elle est généralement entraînée par une atteinte haute (lésion ou simple blessure) de la moelle épinière. Les causes sont multiples : infectieuses, toxiques, diabétique, traumatismes crânien ou médullaire…

La principale caractéristique de cette maladie est une perte des mouvements des membres. Le système Armind permettrait de compenser une partie des ces aspects-la de la pathologie. Effectivement, il vient suppléer les mouvements impossibles des membres supérieurs. Il ne s’agit pas de remplacer complètement la fonctionnalité du bras mais de permettre d’effectuer à nouveau des mouvements simples de la vie quotidienne tels que l’émission d’un appel téléphonique.

Analyse de l'existant
Une fois l’idée du projet née, il a été essentiel de faire une analyse de l’existant. Le développement d’interfaces cerveau-machine est en plein essor. Peu sont appliquées au milieu médical. Emotiv (développant le casque EPOC) travaille sur de multiples applications ludiques. D’autres ont réalisé des objets (matériel) commandés à distance par la pensée, mais à visée non médicale.

L’utilisation la plus commune des casques neuronaux par le grand public est dédiée aux jeux vidéo et à la réalité augmentée. Nous pouvons citer l’application “use the force” développée par des chercheurs de l’INRIA, faisant référence à la célèbre saga “Star Wars”. Il s’agit d’un jeu commandé par un casque neuronal. L’utilisateur doit par exemple soulever un vaisseau spatial virtuel en imaginant des mouvements de pied. Parallèlement il est possible d’observer en temps réel le neurofeedback. Cette application a été présentée lors de la fête de la Science à ParisTech en Octobre 2011.

Un autre exemple, similaire à notre projet Armind, pouvant être cité est un bras robotique contrôlé par un casque neuronal. Il s’agit du même bras Lynxmotion que celui utilisé dans notre projet. Cependant, le casque utilisé est plus complexe, moins pratique à utiliser que celui d’Emotiv et plus cher.

Une application médicale assez semblable à la notre a été développée par l’équipe d’Andrew Schwartz à l’Université de Pittsburgh. Il s’agit d’un bras robotisé, répondant à l’activité neuronale. Ce dispositif est actuellement implanté chez une patiente (Jan Scheuermann) atteinte de tétraplégie. Ce système est efficace et actuellement utilisé. Malheureusement, il présente un inconvénient majeur : il s’agit en effet d’un système totalement invasif. En effet, deux électrodes sont directement implantées dans le cerveau de la patiente. Ce point justifie la réalisation de notre projet Armind visant à développer un produit non invasif.

Une autre technique potentiellement applicable au projet serait l’eye-tracking. Le but serait de commander le bras à distance à l’aide des yeux. Le système détecte la zone observée par l’utilisateur pour reconnaître l’action choisie. Cette méthode existe actuellement et est maîtrisée. Elle permet d’effectuer des commandes en fixant un point précis sur un écran de façon efficace. Cependant, compte tenu du contexte de notre projet, ce système n’est pas adapté. Effectivement, notre projet Armind vise à mettre en place un produit utilisable par des personnes présentant des handicaps lourds, couramment associés à des saccades oculaires. Notre solution est donc plus adaptée, utilisant la commande du bras par un casque neuronal Epoc, puisque nous pouvons filtrer les artefacts dues aux saccades oculaires.

De plus, l'utilisation pourra aussi être adaptée à des patients atteints du syndrome de renfermement paralysant entièrement le corps à l'exception des facultés cognitives. Un autre facteur favorisant l’utilisation du casque : les systèmes d’eye-tracking sont beaucoup plus cher, et plus difficile d’accès que le casque EPOC Emotiv. Il ne s’agit pas d’un outil accessible au grand public contrairement au casque.

Fonctionnalité du produit
Notre produit est composé de deux principales entités technologiques :
 * Un casque EPOC Emotiv répondant à une activité neuronale
 * Un bras robotisé AL5D Lynxmotion

La finalité est de faire communiquer ces différents acteurs. Le produit, à son terme, devra interpréter le signal neuronal reçu et bouger le bras robotisé en fonction de ce signal afin de saisir des objets. Les fonctionnalités sont regroupées dans les différentes catégories suivantes.

Mouvement
Cette catégorie intègre le bras robotisé. Après divers calculs et traitements, on doit être capable de :
 * Déplacer le bras jusqu’à une distance proche de l’objet
 * Lever ou baisser le bras
 * Faire une rotation du bras pour le mettre en face de l’objet à saisir
 * Saisir un objet
 * Relâcher un objet

Retour utilisateur
Une fois une manœuvre faite (saisie d’un objet, pose d’un objet ou autre), il est important d’avoir un retour de la part du système. Le bras n’ayant pas de retour de force, nous souhaitons intégrer un retour visuel et/ou sonore au système pour informer l’utilisateur. Cela pourra par la suite être réadapté à d’autres handicaps tels que la surdité (retour visuel) ou cécité (retour sonore).

Matériel disponible
Pour le prototype de notre projet, nous considérons :
 * un bras manipulateur RB-Lyn-322 : Kit Bras Robotique AL5D à 4 Degrés de Liberté Lynxmotion
 * Robot Autonome en Kit A4WD1 Aluminium Lynxmotion
 * Kit Little Grip Lynxmotion (Avec Servomoteurs)
 * Casque et SDK Emotiv EPOC

Nous avons également l'opportunité de travailler sur un Ultrabook Intel.

Les risques
Les risques pouvant intervenir sur notre projet sont de différentes natures. Il est important d’en avoir conscience dès le départ, de les lister et de les suivre régulièrement afin de les éviter ou de les corriger au plus vite s’ils apparaissent. Cette liste est représentée dans les tableaux des risques suivants :

Nous utilisons beaucoup d’outils que nous ne connaissons pas et de technologies innovantes. Il va donc nous falloir nous autoformer sur ces technologies et sûrement choisir un certain nombre d’approches (langages, API, Framework,...). Ces choix peuvent s’avérer déterminant dans la réussite ou la tenue des délais de notre projet. Il sera essentiel de faire communiquer les diverses entités utilisées entre elles et de s’assurer que ces communications sont possibles et n'entraînent pas de problème sur la globalité du système.

Les risques techniques concernent chaque composant du système (casque et robot) mais aussi le lien entre eux (programmation).

En ce qui concerne l’utilisation du casque Epoc d’Emotiv, le risque va être de se former sur ces technologies nouvelles (peu de retours sur expérience et peu d’aide technique disponible) en peu de temps (2 mois de projet).

Pour la programmation, faire intervenir du matériel expose à un ensemble de problèmes. Il faut réussir à faire interagir les diverses entités ce qui n’est pas tâche aisée. Selon la stratégie adoptée, pour le bras robotique nous pouvons être confronté au problème de calcul de la trajectoire. Il s’agit de raisonner en logique inversée. Le but est de partir des coordonnées de l’objet et de calculer par la suite les positions et rotations d'articulations du bras afin de saisir l’objet. De plus, il faut tenir compte du fait que le bras robotisé est un outil pédagogique, donc peu précis. De ce fait, il y a un risque sur son utilisation qu’il va falloir gérer.

Ce projet regroupe deux filières de l’école Polytech Grenoble (TIS et RICM). Cette cohabitation est une richesse en terme de connaissances mais peut présenter des difficultés d’organisation. En effet, il n’est pas évident de trouver des créneaux convenants aux deux binômes. Il sera donc souvent difficile de regrouper l’ensemble de l’équipe pour la réalisation de cet outil.

Il faut rappeler que notre projet s’inscrit dans deux cadres distincts : un projet de fin d’études au sein de l’école Polytech Grenoble et la participation au DéfiH de Sogeti et LeMondeInformatique.fr. Il sera donc essentiel de pouvoir gérer les deux plannings pour mener à bien ce projet.

Dans la proposition d’une nouvelle solution innovante, si le projet aboutit à la réalisation d’un produit fini novateur, nous pouvons nous interroger sur les éventuelles problématiques de propriété industrielle et intellectuelle. A qui va le brevet (s’il y a lieu d’en déposer un) ? D’autre part, notre produit serait amené à être testé sur une personne. Comment gérer une situation accidentelle pendant le test? (Si la personne est blessée à cause du robot par exemple).

Solution proposée
Ce projet vise à connecter prioritairement les API de deux entités distinctes : Le casque EPOC et le bras robotisé. Le but est de réaliser un logiciel commun à ces deux entités afin qu’elles interagissent pour aboutir à notre produit final : un bras robotique répondant aux commandes neuronales de l’utilisateur. A cela s’ajoutent des retours (feedbacks) visuels et/ou sonores.

En ce qui concerne les choix techniques, nous avons du choisir entre plusieurs possibilités. Effectivement, il existe actuellement plusieurs méthodes pour interpréter des données neuronales. Voici, dans les pages suivantes, une présentation des trois principales méthodes à notre disposition pour utiliser les données de notre casque.

P300
Une grille  d’images  est  présentée  à  l’utilisateur. Chaque image  clignote  alternativement, à la même fréquence. L’utilisateur  va   focaliser   son   attention   sur   l’image   correspondant   à   l’action   qu’il   désire   effectuer. La répercussion  de  ce  signal  dans  le  cerveau  de  l’utilisateur  est  récupérée par les capteurs (on observe un pic positif, en termes d’activité́  neuronale, 300 millisecondes après la stimulation visuelle). On compte le nombre de stimuli apparus durant une certaine période pour en déduire l’image regardée : même nombre de clignotements que de stimuli (choix de 1 parmi N).

Avantages :
 * Cette méthode est assez robuste
 * On peut exploiter une grille contenant jusqu’à 26  images

Inconvénients :
 * Nécessite une calibration assez longue
 * La latence nécessaire pour compter le nombre de stimuli avant la décision prend  plus   d’une  minute (assez long).
 * Perte  de   contact   avec   la   réalité́   puisque   l’utilisateur   doit   regarder   une   grille   d’images. Cela nécessitera  sûrement  de  bien  concevoir  l’IHM  pour  permettre  le  contrôle  du  robot  en  temps   réel  (caméra...).

SSVEP
Une grille  d’images  est  présentée  à  l’utilisateur. Chaque image clignote à une certaine fréquence. L’utilisateur  va   focaliser   son   attention   sur   l’image   correspondant   à   l’action   qu’il   désire   effectuer. Le  cerveau génère une activité cérébrale à la même fréquence que celle du stimulus visuel. Ce signal dans  le   cerveau   de   l’utilisateur   est   récupèré   par   les   capteurs   et   on   sélectionne   alors   l’action   la   plus   probable : celle dont la fréquence de clignotement est la plus proche de la fréquence du signal cérébral (choix de 1 parmi 2 à 6 maximum). Avantages : + La prise de  décision  est  beaucoup  plus  rapide  qu’avec  la  technique  P300

Inconvénients : - Pour obtenir une bonne fiabilité́, il faut souvent se cantonner à un choix binaire - Les différentes fréquences de clignotement peuvent devenir assez pénibles pour  l’utilisateur (fatigue,  danger  pour  les  épileptiques,...). - Perte   de   contact   avec   la   réalité́   puisque   l’utilisateur   doit   regarder   une   grille   d’images. Nécessitera sûrement  de  bien  concevoir  l’IHM  pour  permettre  le  contrôle  du  robot  en  temps   réel  (camera...).

Graz
Cette technique se  base  sur  l’analyse  des  zones  motrices  du  cerveau  humain. C’est un  protocole   complet : on calibre et entraîne le système sur des exemples de « pensée de mouvement », ce qui active une certaine zone cérébrale. Lors  de   l’activation   de   ces   zones   en situation   d’exercice,   on   compare   ces   schémas   avec   ceux   de   l'entraînement. On  sélectionne   alors   l’action   la   plus   probable   (chois 1 parmi N). Pour  ceci,   l’Inria   a   développé   OpenVibe : un logiciel libre pour la gestion et le traitement des interfaces cerveau-ordinateur et les neurosciences en temps réel.

Avantages : + Très naturel et complète + Peut couvrir  un  grand  nombre  d’actions  différentes

Inconvénients : - La phase  d’apprentissage  peut  durer  assez  longtemps  (jusqu’à  30  minutes). - Le  casque   Epoc   d’Emotiv   n’est   pas   réellement adapté à cette utilisation : nécessite 10 électrodes au minimum pour couvrir les zones motrices du cerveau (contre 4 chez Epoc). Ainsi les résultats avec Epoc ne sont  fiables  qu’à 65% (peut atteindre 80% chez un utilisateur expert et seulement en maintenant les électrodes très proches de la surface du crâne). Une évolution vers la méthode Graz pourra être envisagée (du moins pour quelques tests) pour davantage d’ergonomie, mais nécessiterait sûrement un changement de matériel.

Choix pour la solution : SSVEP
Nous avons convenu de choisir la technique SSVEP (Steady State Visually Evoked Potential). En effet, cette technique est la plus adaptée à notre projet car elle présente un faible temps de réaction (<300ms), ce qui n’était pas le cas avec la technique P300. De plus, la position des électrodes sur le casque Epoc à notre disposition est adaptée à cette méthode, contrairement à la technique Graz. Effectivement, étant donné que nous travaillons sur la zone motrice du cerveau, les 4 électrodes du casque Epoc sur cette zone ne sont pas suffisantes pour obtenir des résultats intéressants. Nous avons donc un enjeu majeur avec notre choix d’utiliser la SSVEP qui est l’importance de réduire au maximum le nombre de fréquences lors de l’utilisation. Nous avons choisi de fragmenter au maximum les mouvements du bras et d’ajouter une fréquence pour changer de mode. Chaque mode n’aura que deux mouvements possibles.



En ce qui concerne le contrôle du bras  robotisé, il nous faut définir clairement les actions que nous voulons proposer à l’utilisateur. Nous avons identifié 5 degrés de libertés sur le bras robotisé (voir schéma) :
 * Orientation verticale du poignet
 * Orientation du coude
 * Ouverture ou fermeture de la pince
 * Rotation de la base
 * Orientation de  l’épaule

A partir de cela, nous avons décidé d'implémenter les contrôles du robot suivants :
 * Tourner à gauche / tourner à droite
 * Avant /  arrière
 * Attraper / lâcher
 * Haut / bas

Pour coder ces solutions, nous avons choisi d’utiliser des environnements de développement pour chaque partie (bras et casque). Pour le casque il s’agit d’appliquer la méthode SSVEP pour étudier l’activité neuronale via OpenVibe (un logiciel libre dédié à la création d'interfaces Machine Ordinateur, développé par l’INRIA). Pour le bras robotisé le travail nécessite de coder les mouvements via l’environnement ROS (Robot Operating System). C’est un système d’exploitation sous licence open source qui va nous permettre de contrôler notre bras robotique.

Afin de mener à bien ce projet, nous avons listé les tâches dans le tableau suivant :



Maquette d'interface utilisateur




Cette interface fourni à l'utilisateur un certain nombre d'informations :
 * l'ordre sélectionné
 * la séquence d'ordres effectués
 * le mode d'action actuel
 * un retour sur la position actuelle du robot dans l'espace, grâce à une vidéo

L'utilisateur possède un accès à 2 boutons spéciaux :
 * un bouton d'arrêt d'urgence en cas de problème
 * un bouton de sortie de l'application

La sélection des commandes se fait en focalisant son attention visuelle sur les différentes zones clignotantes (suivant la méthode SSVEP).

OpenVIBE
OpenVIBE est une solution open source, développée par l'INRIA, pour la création, l'utilisation et le test d'interfaces cerveau-machine (en anglais BCI : Brain Computer Interface). ATTENTION: => Télécharger donc Emotiv Development Kit_v1.0.0.3-PREMIUM et placer ce répertoire dans votre dossier Programmes Files (C:\Program Files (x86) ou C:\Program Files selon votre système).
 * OpenVIBE est actuellement stable uniquement pour les systèmes Windows XP ou Windows 7. La version Linux (Ubuntu et Fedora) n'est pas compatible pour le contrôle du casque Epoc d'Emotion.
 * Il est nécessaire de posséder la version 1.0.0.3 du SDK Emotiv pour une bonne reconnaissance du driver du casque Epoc sous OpenVIBE . ATTENTION car la version 1.0.0.5 N'EST PAS compatible.

Synchronisation Epoc-OpenVIBE
ATTENTION à ne pas donner un chemin d'accès trop long au fichier. A cette étape du processus, OpenVIBE est donc opérationnel.
 * Installer OpenVIBE. Pour ceci, suivre les instructions disponibles sur le site d'OpenVIBE.
 * Aller dans le répertoire openvibe\cmake-modules et modifier le fichier FindThirdPartyEmotivAPI.cmake (remplacer son contenu par celui du fichier suivant : [[File:FindThirdPartyEmotivAPI.txt]] ).
 * Aller dans le répertoire openvibe\scripts et exécuter win32-install_dependencies.exe. Ceci doit lier correctement les dépendances avec OpenVIBE. Normalement, tout dois bien se passer...
 * Dans le même répertoire, exécuter ensuite win32-build.cmd. Quelques erreurs peuvent survenir, mais normalement ça doit marcher quand même.
 * Aller dans le répertoire openvibe\dist et lancer ov-acquisition-server.cmd. Ce serveur permet d'acquérir les données provenant du casque (ou d'en simuler).
 * Sélectionner le driver Emotiv EPOC dans la liste (avec les modifications qu'on a faites précédemment, ce driver doit normalement apparaitre).
 * Cliquer sur le bouton Driver Properties. Une fenêtre Device properties s'ouvre. Modifier le Path to Emotiv Research SDK afin de mettre votre propre chemin vers la bonne version du SDK (voir la partie Précisions pour l'installation => OpenVIBE).
 * Ensuite, pour tester si la synchronisation se passe correctement, il faut lancer le ov-designer.cmd et suivre le tutoriel d'OpenVIBE

Synchronisation OpenVIBE-Application
Nous allons maintenant lier le projet avec les librairies nécessaires. ATTENTION : Mettre le chemin complet et séparer les librairies par un retour à la ligne exemple : C:\openvibe\dependencies\vrpn\lib\vrpn.lib C:\openvibe\dependencies\vrpn\lib\quat.lib exemple : C:\openvibe\dependencies\vrpn\include ATTENTION : Pour l'exécution du projet, il faut bien vérifier que l'onglet Plateformes Solution soit bien sur Win32 et que Configurations de solutions soit bien en Released (et non en Debug).
 * Avec Microsoft Viusal Studio C++ (nous avons utilisé la version Express 2010), créer un nouveau Projet Vide.
 * Créer, dans ce projet, une classe C++ du nom de votre choix.
 * Récupérer le code du programme client présent sur le tutoriel d'OpenVIBE, et remplacer l'ensemble du code auto-généré dans votre nouvelle classe (.cpp) par ce code.
 * Cliquer droit sur le projet et sélectionner les Propriétés.
 * Dérouler dans l'onglet Editeur de liens et sélectionner l'option entrée
 * Dans la partie de droite de la fenêtre, cliquer sur la ligne et modifier Dépendances supplémentaires
 * Ajouter alors les librairies vrpn.lib et quat.lib.
 * Cliquer ensuite sur l'onglet C/C++ et, dans la partie de droite, cliquer sur la ligne et modifier Autres Répertoires Include
 * Ajouter alors le dossier vrpn\include
 * Cliquer enfin sur les boutons Appliquer puis OK
 * Il ne reste ensuite plus qu'à lancer votre server d'acquisition et designer, les configurer (pour ceci, suivre le tutoriel d'OpenVIBE) puis compiler et exécuter le projet... Enjoy ;)

Etape 0 : Préparation du matériel
Avant d’utiliser le casque, mettre 1-2 gouttes d’eau salée sur chaque électrode ainsi que sur le zone blanche de la boite. Fermer ensuite la boite et secouer pour que l’eau salée soit bien imbibée. Ensuite, prendre une à une les électrodes pour les fixer sur le casque (il n’y a pas d’ordre spécifique pour les placer). Bien les clipser en tournant l’électrode.



Pour permettre la connexion bluetooth, brancher le doogle à l’ordinateur. Positionner le casque sur votre tête après l’avoir allumé en glissant le bouton à l’arrière. Attention, la connexion étant en bluetooth, elle reste fragile. Veiller donc à être proche du doogle. Vous pouvez utiliser les électrodes 30 à 40 minutes avant de remettre de l’eau salée.

Après utilisation, ne pas oublier d’éteindre le casque en repoussant le bouton derrière. Ensuite, enlever une à une les électrodes et bien veiller à essuyer la partie arrière métallique de chacune avec un coton tige. Il est important de bien les essuyer pour éviter qu’elles ne rouillent.

Pour contrôler le bras, il faut d’abord le connecter sur le secteur et monter les 2 interrupteurs. Ensuite, il faut le relier via le port série bleu et l’autre côté du câble sur un port USB à l’arrière de l’unité centrale. Attention de bien choisir le port, s’il ne le reconnaît pas, changer le. N’oubliez pas de baisser les interrupteurs après utilisation.



Etape 1 : Lancement d'OpenVIBE
Ouvrir le fichier : openvibe\openvibe\dist\ov-acquisition-server



Ainsi s’ouvre la fenêtre d’acquisition avec laquelle il faut connecter le casque Openvibe. Sélectionner Emotiv Epoc dans la liste des driver. Ensuite cliquer sur le bouton “se connecter” et sur le bouton “lire” pour récupérer les signaux du casque avec Openvibe.



Vous êtes ainsi prêt à exécuter les scénarios de la méthode SSVEP.

Pour se faire, ouvrir le fichier : openvibe\openvibe\dist\ov-designer Le designer s’ouvre et permet de créer un scénario, ou d’en ouvrir un existant.

Etape 2 : Configuration
Pour permettre la configuration avec l’écran à 60Hz, ouvrir le scénario correspondant situé à l’adresse suivante : \openvibe\openvibe\dist\share\openvibe-scenarios\bci\ssvep\ssvep-bci-1-ssvep-configuration

Une fois le scénario ouvert, il est possible de modifier la valeur de fréquence de rafraîchissement de l’écran qui est à 60 Hz par défaut. Pour se faire, il faut double-cliquer sur la boxe “peripheral settings” et valider par le bouton “appliquer”. Ensuite, lancer le scénario en cliquant sur la flèche “lancer” dans la barre de menu.



Etape 3 : Apprentissage
Pour faire le training afin d’acquérir à partir du casque les réponses fréquentielles, ouvrir le scénario situé à l’adresse suivante : \openvibe\openvibe\dist\share\openvibe-scenarios\bci\ssvep\ssvep-bci-2-training-acquisition

Configurer la boxe SSVEP “training Controller “en entrant les données voulues avec la séquence des fréquences qui vont clignoter, la durée des stimulations (7sec par défaut), la durée de pause (4 sec par défaut), le délais de clignotement(1sec par défaut), la taille des formes (0.3 par défaut) et leurs positions.

Une fois les paramètres choisis, lancer le scénario en cliquant sur la flèche de démarrage.



Une fois la fenêtre d’entraînement ouverte, fixer la forme présentée avec la flèche jaune dessus.

Attention : L’idéal est d’effectuer cet entrainement en fixant l’IHM de la solution Armind en fixant la fréquence de changement de modes en 1(12Hz), la fréquence Haut en 2(15Hz) et la fréquence bas en 3(20Hz).

Etape 4 : Pré-traitement du classifier
Pour faire la phase de pré-traitement des signaux EEG d’apprentissage enregistrés, ouvrir le scénario situé à l’adresse suivante : \openvibe\openvibe\dist\share\openvibe-scenarios\bci\ssvep\ssvep-bci-3-training-acquisition

Attention : Avant de lancer ce scénario, sélectionner le bon fichier en double-cliquant sur la box Generic stream reader

Le fichier qui vient d’être enregistré est le plus récent situé à l'adresse suivante :

\openvibe\openvibe\dist\share\openvibe-scenarios\signals...

Etape 5 : Lancement du classifier
Pour faire la phase permettant de créer les classifieurs, ouvrir le scénario situé à l’adresse suivante : \openvibe\openvibe\dist\share\openvibe-scenarios\bci\ssvep\ssvep-bci-4-classifier-training

Attention : Avant de lancer ce scénario, sélectionner le bon fichier en double-cliquant sur la box Generic stream reader

Le fichier qui vient d’être enregistré est le plus récent situé au

\openvibe\openvibe\dist\share\openvibe-scenarios\signals...

Après environ 4 minutes les résultats du classifieurs s’affichent avec le pourcentage de réussite pour chaque fréquence mesuré avec un k-folks test.

L’idéal est d’avoir un classifieur avec au moins 75% de réussite pour chaque fréquence.

Une fois cette étape terminée, vous êtes prêt à utilliser la solution Armind.

Pour le lancer, il faut d’abord s’assurer que le casque est toujours connecté à Openvibe avec la page “Acquisition Server”.

Ensuite, ouvrir le scénario “Solution_Armind.xml” situé à la racine du dossier openvibe.

Il suffit de le lancer à partir du designer d’openvibe.

Etape 6 : Lancement de l'application
Dernières étapes :
 * ouvrir le fichier Java qui correspond à L’IHM
 * lancer le client codé en C++ (en mode release)
 * lancer le client ROS par la machine virtuelle

Vidéo de démonstration
Vous trouverez une petite vidéo de présentation de la démo de notre solution Armind au lien suivant : http://www.youtube.com/watch?v=zKyECCsjBTA&feature=youtu.be

Les limites
Notre produit Armind est une preuve de concept. Nous sommes donc conscients que notre système présente des limites. Celles-ci peuvent être de trois types : associées au bras, au casque ou aux deux entités liées.

Associées au casque
L'efficacité de fonctionnement du casque est individu-dépendante. En effet, les résultats obtenus varient en fonction de la personne portant le casque. Cela peut dépendre de la nature du cheveux, le volume ou à la forme du crane en elle-même. Afin d’éviter tout problème de réception des messages neuronaux, il est essentiel de bien poser le dispositif à la surface du crane, sur le scalp, afin de diminuer le plus possible les bruits parasites pouvant être causés par la présence de cheveux ou d’espace entre les électrodes et la surface crânienne. Le système n'utilise pas de gel permettant de diminuer les bruits, mais une simple solution hydrosodée. Il sera donc certainement nécessaire d'effectuer quelques traitements de signaux afin d'obtenir un meilleur rapport signal sur bruit.

On peut également noter la fragilité du casque et des électrodes. Il faut être très appliqué et prendre beaucoup de précaution au moment de placer les capteurs sur le casque, au risque de casser ces petits dispositifs. La même précaution doit être appliquée pour le nettoyage des électrodes après utilisation, afin d’éviter tout apparition d’oxydation pouvant détériorer le signal par la suite. Ceci peut donc être une limite pour nos futurs utilisateurs pour qui des gestes minutieux peuvent être très difficiles à réaliser.

Associées au bras
Le bras Lynxmotion est un outil pédagogique répondant à nos objectifs de réalisation d’une preuve de concept. Mais nous sommes conscients qu’il ne présente pas les caractéristiques permettant une utilisation par le grand public, sa précision n’étant pas optimale. On ne peut donc pas prendre le risque de le considérer comme un outil commercialisable dans le domaine médical. Cependant, il est tout à fait approprié au travail que nous effectuons actuellement, assimilable à du travail R&D en laboratoire ou en entreprise.

Associées aux deux entités
Le but du projet est de mettre en lien le bras et le casque via un programme informatique. Chaque entité peut être codée dans un langage différent, sur des environnements différents. Cela peut présenter des difficultés.

Chaque partie du projet a un niveau de précision non optimal. Le produit final risque donc aussi de manquer de précision. Un matériel plus adapté permettrait d’améliorer ce paramètre.

Perspectives de développement
Notre projet a pour but de réaliser une preuve de concept. L’objectif premier est de démontrer qu’il est possible de réaliser un tel outil de compensation de handicap. Si les technologies existantes, combinées les unes aux autres, le permettent, il sera alors possible de passer d’une preuve de concept à un prototype.

Comme déjà dit, le produit du projet repose sur un bras peu précis. Celui-ci pourra être remplacé par un bras contenant plus de degrés de précisions, plus ergonomique et avec une architecture plus proche du bras humain. L’objectif du projet repose sur la réalisation de quatre groupes de mouvements. Le but serait d’en augmenter le nombre afin de permettre une interaction plus élargie de l’utilisateur avec son environnement. La qualité de l’interaction avec l’environnement sera aussi améliorée par l’utilisation d’un casque neuronal ayant une meilleure précision en terme de détection de signaux neuronaux.

De plus, pour effectuer notre preuve de concept nous utilisons la méthode SSVEP pour définir les décisions de l’utilisateur. Cette méthode fait appel aux réponses fréquentielles à un stimulus et non à la pensée de l’utilisateur. Il sera donc intéressant par la suite de piloter les mouvements du bras en utilisant la méthode Graz qui elle fonctionne avec la pensée (par l’imagination de mouvements complets). Cette amélioration repose sur l’analyse de l'activité de la zone cérébrale motrice. Le casque EPOC Emotiv ne contient que quatre électrodes sur la zone motrice. D’autres casques existent, disposant d’un nombre plus important d'électrodes dédiées à cette zone. Les canaux d’entrée étant plus nombreux, la qualité du signal obtenu serait plus importante et ce type de casque serait donc plus adapté. Il faut cependant garder en tête qu’il s’agit de casques moins ergonomiques et utilisables que le casque Epoc. Il faudra donc étudier l’apport de l’utilisation de la pensée face à la méthode utilisant les réponses impulsionnelles afin de juger s’il est nécessaire de faire perdre de l’utilisabilité au système.

Une autre amélioration possible serait de disposer le bras robotisé sur un robot mobile. Ainsi, la liberté de mouvement du dispositif serait plus élevée. En effet, en plus de manipuler des objets, le bras pourrait se déplacer sur une surface pour chercher des objets lointains. Nous envisageons également de faire évoluer l’interaction possible de l’utilisateur avec son environnement (comme un haut-parleur pour synthétiser la voix,…) afin d’évoluer vers la proposition de robots de téléprésence

D’autres perspectives de développement émergeront certainement au cours de la réalisation du projet. Une fois ces applications apportées, le dispositif pourra être utilisé par des utilisateurs plus nombreux et atteints de pathologies plus variées. Il serait par exemple imaginable pour une personne tétraplégique de faire du télétravail via une webcam filmant le bras sur le lieu de travail.

Remerciements
Nous tenons à remercier tous les intervenants qui nous ont aidé tout au long de ce projet. Nous remercions en particulier le laboratoire AGIM pour le prêt du casque, le laboratoire LIG, en particulier Nataliya Kos Myna pour l'aide technique sur l'outil Openvibe, Nicolas Glade et Renaud Blanch pour nous avoir suivi toutes les semaines. Aussi, nous remercions notre coach Sogeti Benjamin Franchini pour son soutient dès le début du projet. Enfin, nous tenons à remercier Intel Software Labs pour le prêt de leur ultrabook qui nous a été d'une grande utilité dans la conception de la solution.

Récompenses
Prix de l'Innovation Technologique au concours Défi H 2013



Références
Facebook Blog Twitter
 * Projet bras robotique 2012
 * cours Etude d'Approfondissement 2012
 * Puzzlebox Brainstorms - Wheelchair Demo @ Noisebridge
 * Site du logiciel Openvibe nécessaire pour interpréter les signaux du casque neuronal
 * Site du DéfiH pour suivre notre projet et celui de nos concurrents
 * Réseaux sociaux :