Laboratoire Universitaire de Recherche en Production Automatisée

ADAM (Anomaly detection by adaptative modeling) est un logiciel de maintenance prévisionnelle pour les chaînes de production industrielle. À partir des signaux capteurs et actionneurs déjà présents sur la ligne, il construit et met à jour automatiquement un jumeau numérique comportemental, sans modélisation manuelle ni paramétrage expert. Ce jumeau, basé sur des lois physiques du procédé, prend la forme d'un graphe interprétable. Fidèle au comportement réel de la machine, il détecte les écarts dès leur apparition et permet d'en identifier l'origine, avant qu'ils ne dégradent la production. Conçu pour être plug-and-play et à faible coût d'entrée, ADAM ouvre la maintenance prévisionnelle à des lignes jusqu'ici hors de sa portée et réduit les pertes liées aux arrêts non planifiés.

La prise de décision est une activité récurrente dans l’industrie tout au long du processus d’ingénierie. Les prises de décisions ne sont malheureusement pas capitalisées et tracées en prenant en compte l’ensemble des données du contexte : espace du problèmes, espaces des solutions, espaces des performances, critères ce valeurs… Il est alors très difficile de retrouver les décisions passées ou d’anticiper des évolutions socio-technico-économiques. Le projet MACCOD propose donc un environnement de type Tableau de Bord afin de que les parties-prenantes du processus décisionnel puissent visualiser et réaliser des analyses collectives et dynamiques en manipulant « à la volée » chacune des données de contexte sous incertitudes permettant ainsi d’évaluer les évolutions potentielles du cahier des charges, des technologies, des connaissances, des indicateurs de performances et des critères de valeurs. Cet environnement encapsulera un méta-modèle de données de contexte de la prise de décisions, des représentations multiples et des fonctions d’analyse dynamique de ces données. L’objectif de MACCOD et d’analyser si les traces de décisions, ainsi que l’usage de leurs représentations multiples, dynamiques et personnalisables permettent d’améliorer le processus de prises de décisions collaboratives synchrones. L’originalité du projet MACCOD porte donc sur 1/ l’analyse de la dynamique des données de contexte pour une plus grande agilité des prises de décisions ; 2/ la comparaison expérimentale de l’environnement développé avec les approches actuelles de prises de décisions. Trois cas d’étude seront traités : un problème de conception pour définir l’architecture d’un système, un problème de processus de fabrication pour définir les supports et les stratégies optimales en fabrication additive, un problème d'opportunité de conception des pièces fabriquées en fabrication additive.

À l'heure actuelle, dans l'industrie 4.0, le secteur manufacturier est devenu très vulnérable aux cyberattaques sur leurs systèmes de contrôle en réseau (NCS). Ces derniers sont considérés aujourd'hui comme une forme particulière de systèmes cyber-physiques dans lesquels des éléments informatiques et de contrôle collaborent pour commander des entités physiques. Ils fonctionnent dans des environnements en réseau car ils doivent communiquer à distance avec des systèmes de surveillance et de gestion. Cela les rend plus vulnérables aux intrusions et aux cyber-attaques qui peuvent provoquer l'interruption de la production et, au pire, manipuler le processus de contrôle et provoquer un événement catastrophique. L'objectif du projet MENACES est d'utiliser la théorie des systèmes à événements discrets (SED) pour modéliser, analyser le comportement hybride et détecter les attaques de processus industriels. Ces modèles de jumeau numérique prendront en compte les données hétérogènes et les aspects temporels pour la représentation des concepts de sécurité. L'objectif est de développer des méthodes temporelles pour une détection efficace et précoce des cyber-attaques dans les NCS.

En fabrication additive par fusion laser sur lit de poudre, les caractéristiques mécaniques et la géométrique des pièces produites sont générées au cours de la fabrication. Ces deux aspects sont grandement influencés par les trajectoires du spot laser et par la maitrise locale de l’énergie apportée à la matière. La commande numérique ayant pour rôle de générer les consignes à envoyer aux actionneurs a donc un impact conséquent sur la qualité des pièces produites. Une analyse de plusieurs commandes numériques industrielles employées en fabrication additive a montré que les traitements internes peuvent induire des surfusions locales conduisant à une dégradation de la qualité des pièces produites. Le projet ORACLE vise donc à développer une commande numérique en fabrication additive métallique par fusion laser sur lit de poudre. Plus spécifiquement, il s’agit de modéliser et d’intégrer nativement les contraintes relatives à la machine (galvanomètres et source laser), au procédé et à la production dans les traitements effectués par la commande numérique. Ces travaux ont pour but de maitriser localement l’énergie apportée à la matière lors de la fusion. Pour parvenir à cet objectif, le projet vise à lever les verrous scientifiques et technologiques suivants : 1) développer une solution de contrôle-commande permettant de piloter les actionneurs et 2) optimiser localement les trajectoires et la puissance du laser en tenant compte des contraintes machines et procédé. Au travers de ces deux verrous, le projet ORACLE cherche donc à mettre en lumière l’impact des différents traitements effectués dans la CN en fabrication additive et à bâtir une architecture de commande permettant de répondre aux enjeux techniques et scientifiques actuels et futurs.

La mise en œuvre industrielle de composants élaborés par fabrication additive (FA) métallique possède un fort potentiel de croissance dans divers domaines exigeants tels l’aéronautique, l’automobile, le médical ou le nucléaire. Le souhait de réaliser des pièces structurelles implique qu’elles doivent être soumises à des contrôles non-destructifs (CND) et qu’il est primordial de maîtriser le procédé pour obtenir une microstructure favorable. La mise en œuvre d’une stratégie de surveillance CND en ligne amènerait un contrôle efficace et optimal en agissant sur les paramètres FA pour éviter les dérives ou en rebutant au plus tôt les pièces défectueuses. Or, malgré les études développées sur l’influence des paramètres FA sur les microstructures résultantes, les connaissances actuelles demeurent incomplètes, notamment pour le récent procédé fil-laser (WLAM) dont les avantages suscitent un intérêt industriel croissant. La disponibilité d’une méthode en ligne de caractérisation non-destructive locale permettrait, en conséquence, une avancée significative. COLUMBO démontrera la contrôlabilité par ultrasons-laser (UL) de pièces WLAM en quantifiant les paramètres matériaux qui rendent ces analyses possibles et en définissant les grandeurs caractéristiques détectables, afin de prouver la faisabilité d’une stratégie de surveillance en ligne. Les méthodes CND par ultrasons, éprouvées par leur sensibilité fondamentale aux caractéristiques mécaniques locales, constituent des approches de choix pour le contrôle de défauts (ZAT, porosités ou fissures) et la caractérisation multi-échelle des microstructures. Les techniques UL permettent une inspection sans-contact dans les environnements hostiles de la FA. Enfin, l’utilisation des ondes de Rayleigh est appropriée pour inspecter successivement les couches déposées. Cependant, l’efficacité d’une telle procédure CND est garantie sous réserve d’une interprétation physique pertinente et d’une exploitation optimale des données du contrôle in situ en temps réel. Or, les pièces WLAM constituent un défi en raison des phénomènes de diffusion ultrasonore liés à leurs microstructures atypiques très marquées (enchevêtrements de grains colonnaires et équiaxes). Les signaux associés, bien que potentiellement riches d’informations, sont complexes à interpréter. Le verrou scientifique à lever est la maîtrise de la corrélation entre les paramètres procédés, les caractéristiques de la microstructure obtenue et sa signature ultrasonore. COLUMBO lèvera ce verrou en développant des modélisations/simulations multi-échelles/multi-physiques du procédé WLAM et de la propagation ultrasonore dans les pièces élaborées, avec confrontation aux données de caractérisation et mesures expérimentales. Grâce à la complémentarité fabrication/essais-mesures/calculs entre les partenaires, la méthodologie consiste à établir un ‘benchmark’ hybride des pièces sur mesure choisies et élaborées avec des microstructures de complexité croissante via des paramètres procédés identifiés et classifiés, permettant d’avancer progressivement dans la compréhension des phénomènes impliqués, la modélisation des mécanismes physique et la quantification des grandeurs mesurables. Le but final est une exploitation optimale des données du contrôle in situ en temps réel à l’aide de modèles simplifiés basés sur l’apprentissage automatique. Pour atteindre cet objectif ambitieux et d’actualité, COLUMBO réunit un consortium de cinq partenaires dont les compétences remplissent la chaîne complète d’expertises requises : de la modélisation/simulation du procédé, jusqu’au test pendant le processus de construction, en passant par la modélisation/simulation du CND par UL et la caractérisation (EBSD, MEB), avec l’assimilation et l’inversion des données par l’apprentissage automatique. Cette complémentarité et cet équilibre entre modélisation théorique/numérique et validation expérimentale constituent le point clé de la rigueur et de la réussite du projet.

Produire des pièces de formes complexes à haute valeur ajoutée par l’hybridation des procédés de fabrication additive sous énergie concentrée WXAM et d’usinage 5 axes est un levier majeur pour améliorer la compétitivité des entreprises. Cela requiert l’obtention de pièces brutes de qualité « near net shape » pour minimiser les opérations d’usinage et nécessite la maîtrise des paramètres et de l’exécution du procédé WXAM sur des robots anthropomorphes 6 axes ou MOCN 5 axes. Enfin, cela repose nécessairement sur le développement d’une chaîne numérique intégrant les procédés de fabrication additive et qui fait défaut, sur un découpage topologique des pièces en entités et un ordonnancement optimal des opérations, basés sur des contraintes thermiques, géométriques, cinématiques et de nouvelles trajectoires. Le projet AWESOME a donc pour objectif de contribuer au développement d’un processus de fabrication hybride intégré permettant l’obtention de pièces de formes complexes. Plus spécifiquement, il s’agit de développer des stratégies de fabrication par hybridation entre fabrication additive sous énergie concentrée et usinage 5 axes ainsi que les éléments clés de la chaîne numérique associée pour des pièces de turbines hydrauliques en acier inoxydable. Pour parvenir à cet objectif, le projet vise à lever les verrous scientifiques et technologiques suivants : 1) optimiser la décomposition topologique de la pièce en entités et l’hybridation entre fabrication additive et soustractive, 2) effectuer la synthèse des paramètres de fabrication pour obtenir une géométrie cible « near net shape », 3) modéliser l’influence des perturbations lors de l’exécution des trajectoires WXAM et 4) contrôler les trajectoires des procédés en boucle fermée. Les résultats escomptés du projet AWESOME sont : 1) la définition d’entités additives et les algorithmes permettant de définir les trajectoires des procédés de fabrication associés ainsi qu’une méthode d’analyse multicritère de leur ordonnancement avec les opérations d’usinage pour former une gamme optimisée ; 2) un modèle pour déterminer les paramètres des procédés WXAM à partir des géométries des entités « near net shape » à produire ; 3) une solution expérimentale pour faire l’acquisition in-process de la forme des cordons et in-situ des entités additives fabriquées ; 4) Les traitements numériques des mesures dans une boucle de rétroaction vers la conception du processus et le pilotage temps réel du processus ; 4) une défauthèque des pièces produites en WXAM 5 axes avec défauts causés par les comportements thermiques et cinématiques et les modèles géométriques associés. Le caractère innovant du projet AWESOME réside dans la volonté d’intégrer étroitement les procédés et de couvrir non seulement la définition des processus mais également leur exécution sur les moyens de production. Cela est rendu possible par l’intégration de compétences multidisciplinaires (CFAO, modélisation thermique, cinématique multi-corps, mesures géométriques in-situ / in process, contrôle commande) pour obtenir in fine un processus de fabrication hybride intégré ainsi que sa chaîne numérique au travers d’un démonstrateur industriel. La réussite du projet repose donc sur la complémentarité entre les partenaires académiques et industriels, sur l’expérience des acteurs dans des projets collaboratifs communs et sur le recrutement de trois doctorant(e)s dans le cadre du projet. La première thèse porte sur élaboration des entités de fabrication additive « near net shape » et l’optimisation de la gamme de fabrication hybride ; la seconde sur la transformation d’une entité en géométrie de cordons, en paramètres procédés et la garantir de leur bonne formation durant le procédé ; la troisième a pour but de mettre au point une méthode de mesure in-situ par corrélation d’images et de traitement des mesures pour recaler en continu les trajectoires de dépôt ou d’usinage lors de la fabrication, et au sein même de la chaîne numérique.

Le projet vise a développer une méthodologie de pilotage résilient des chaînes d'approvisionnement en période de crise globale comme celle de Covid19. Il s'agit de crises où des discontinuités des approvisionnement sont longues et généralisées de sorte que même une adaptation des activités et le passage vers un mode dégradé des acteurs industriels et de services ne permettent pas d'éviter des conséquences sanitaires et économiques graves. Le défi, est de démontrer de quelle manière, la "reconfigurabilité" de la chaîne logistique peut représenter un levier d'action pour obtenir une résilience suffisante du tissu industriel et de services. Le sujet est difficile et exige de développer des outils de prévision et des solutions de remédiations à des événements rares où les techniques de retour d'expérience et de gestion statistiques des risques ne sont plus valables. Trois champs de recherche seront déployés:Intelligence artificielle, systèmes d'événements discrets et Gestion des risques.

Le projet APPRENTIS concerne la sûreté de sites industriels ou portuaires présentant des risques, notamment des sites de type SEVESO seuil haut. L’objectif opérationnel est de proposer un outil logiciel d’aide à la décision pour planifier les missions de surveillance et d’intervention. Cet outil minimisera le coût de configuration et de mise en œuvre des missions réalisées par des agents mobiles (drones ou véhicules automatisés). Les questions auxquelles nous souhaitons répondre sont les suivantes : • Combien d’agents mobiles de surveillance sont nécessaires pour réaliser un ensemble de mesures données à des positions fixées ? Combien de capteurs et quels types de capteurs doivent équiper chacun de ces agents ? Comment définir les missions de chacun des agents afin de satisfaire globalement les exigences de la surveillance ? • En cas d’incident comment utiliser ces mêmes agents de surveillance pour obtenir rapidement des informations pertinentes sur le sinistre, les dégâts et d’éventuelles victimes ? Comment transporter et distribuer des moyens de secours à l’aide d’agents d’intervention ? Enfin, comment utiliser conjointement et efficacement les agents de surveillance et d’intervention ? L’originalité de la méthode proposée pour résoudre ces problèmes repose sur une modélisation du problème et une méthodologie de résolution issues des systèmes à événements discrets (SED) et de l’intelligence artificielle (IA). Cette double approche est motivée par la complexité exponentielle du problème qui apparaît dès lors que l’on couple les problèmes de configuration et de planification des missions de chaque agent, ces dernières dépendant de la configuration évaluée. Le résultat attendu du projet est un démonstrateur qui sera proposé pour configurer les missions de surveillance et d’intervention à partir d’un catalogue de matériels, de la description de l’infrastructure, et des spécifications de la mission. Le projet APPRENTIS vise, en particulier, 3 types de publics : 1) Les entreprises possédant des sites classés SEVESO (156 sites en Hauts de France, 86 sites en Normandie, 99 sites en région PACA et 94 sites en région Ile de France) qui sont appelés à renforcer les missions de surveillance de leurs installations ; 2) Les organismes et collectivités territoriales en charge de l’intervention en situation de crise (SDIS, communautés d’agglomération, associations de type ORMES) ; 3) Les groupements d’intérêt économiques qui sont concernés par la production, le transport ou le stockage de produits à risque (Ports du Havre, Rouen et Paris - HAROPA, Grand Port Maritime de Marseille - GPMM). Le consortium de partenaires (ULHN - GREAH - EA 3220, AMU - LIS - UMR 7020, IMTLD, USPN - LURPA - EA 1385) a été constitué sur la base de son expérience dans les outils de maîtrise du risque industriel et la mise en œuvre et l’utilisation des outils SED et de l’IA. L’ULHN en Normandie et l’IMTLD dans les Hauts de France sont situés dans les deux régions ciblées par l’aap SIOMRI. L’AMU et l’USPN sont situés dans deux métropoles de grande taille et densément peuplées pour lesquelles les impacts potentiels des incidents industriels sont particulièrement graves. Enfin la métropole de Marseille offre des similitudes avec la ville du Havre par son activité portuaire, vecteur supplémentaire de risques dus à l’entreposage de matières dangereuses, et par sa concentration de sites industriels SEVESO à proximité de zones résidentielles (Fos-sur-Mer près de Marseille et bassin aval de la Seine entre Tancarville et Le Havre). Le challenge à plus long terme que nous amorçons ici est de coordonner et d’optimiser les moyens de surveillance et d’intervention en combinant des modèles prédictifs et décisionnels, en utilisant des méthodes à base de modèles ainsi que des méthodes à base de données.

Obtenir des propriétés optimales à différents endroits d'une structure est un grand enjeu de fabrication ou de réparation additive métallique. Cela repose sur une connaissance approfondie des liens entre propriétés et microstructures et un contrôle de ces dernières durant tout le procédé. Elle repose sur la maitrise à différentes échelles de temps et d’espace, des conditions de solidification ainsi que de l’évolution de la microstructure pendant les cycles thermomécaniques successifs. Le projet MIFASOL a pour objectif d’élaborer des stratégies de fabrication permettant de piloter conjointement la géométrie et la microstructure pour des procédés de dépôt de matière sous énergie concentrée (DED). Cependant, de telles stratégies se heurtent à trois principaux verrous scientifiques et techniques. Le premier tient au fait que toute stratégie de contrôle nécessite des simulations prédictives de la formation et de l’évolution de la microstructure pendant le procédé à l’échelle de l’objet. Le second tient aux stratégies de contrôle en temps réel nécessaires afin d’ajuster les paramètres du procédé pour éviter une dérive de la cinétique thermique. Le troisième verrou vise à définir la stratégie de fabrication et maitriser l’évolution des paramètres procédés pour garantir la géométrie et la microstructure. Le projet propose donc : 1) des modèles rapides couplant thermique et formation/évolution de microstructure à l’échelle du procédé dans son ensemble, permettant d’établir une stratégie de fabrication, 2) des mesures in-situ couplées à des algorithmes d’apprentissage pour corriger en temps réel la stratégie de fabrication et 3) une modélisation et un contrôle précis de la cinématique du dépôt de matière afin de définir au mieux la stratégie de fabrication dans le cas de structures complexes. Les résultats escomptés du projet sont : 1) un outil de calcul rapide efficace pour simuler les transferts thermiques en fonction de l’ensemble des paramètres du procédé ainsi que la formation et l’évolution des microstructures dans la pièce, 2) un montage expérimental permettant la mesure thermique in-situ d’une grande partie de la pièce en cours de procédé ainsi qu’un réseau de neurones (entrainé sur un grand nombre de simulations) permettant d’exploiter cette mesure en temps réel pour corriger les paramètres de fabrication et atteindre la microstructure souhaitée et 3) la réalisation d’un jumeau numérique s’appuyant sur la chaîne numérique de fabrication additive, intégrant les modèles de connaissance et de comportement permettant la synthèse de stratégies de dépôts en effectuant du virtual testing du procédé en amont de la production ou en temps réel en couplant les modèles numériques et les mesures in-situ. Le projet MIFASOL choisit donc résolument de travailler sur différentes voies d’analyses complémentaires : mesures et analyses en temps réel associées à des simulations rapides du procédé en vue d’un contrôle de la commande. Il s’intéresse donc aux matériaux et aux procédés, mais en étant résolument tourné vers des instrumentations innovantes de mesure et de contrôle, des techniques d'apprentissage de contrôle-commande par réseaux de neurones en vue d’une meilleure intégration de la fabrication additive parmi les technologies innovantes permettant une optimisation simultanée du matériau, de sa microstructure et de la pièce fabriquée. La réussite du projet repose donc sur la parfaite complémentarité entre les partenaires du projet et par le recrutement de deux doctorants dans le cadre du projet, l’un chargé de faire le lien entre les modèles rapides et les stratégies de fabrication en vue d’aller vers l’élaboration d’un jumeau numérique et le second chargé de la réalisation de mesures quantitatives in-situ couplées à un contrôle en temps réel par réseau de neurones.

Le développement des nouvelles méthodes de fabrication permet d’imaginer des produits innovants et optimisés avec des géométries et des architectures complexes et originales. Ces ruptures technologiques engendrées permettent de repenser la manière de concevoir et d’intégrer de nouvelles fonctionnalités. La maîtrise de la variabilité géométrique des systèmes mécaniques repose sur la modélisation des tolérances dont le principal objectif est de qualifier la conformité d’un système mécanique au regard d’exigences fonctionnelles (jeu, affleurement, alignement, etc.) en fonction des variations géométriques des pièces constitutives. Actuellement, nous sommes face à une rupture importante entre les fonctionnalités et capacités grandissantes des moyens de production et de métrologie alors que les outils de simulation de tolérances présentent de sérieuses limitations principalement à cause de la complexité des outils mathématiques à mettre en œuvre. Afin de combler ces écarts criants et d’obtenir des simulations réalistes du comportement des assemblages, il est impératif de lever les verrous à deux échelles : • Au niveau de la pièce, pour intégrer un niveau de détails géométriques représentatifs des procédés d’obtention, • Au niveau de l’assemblage, pour intégrer une architecture de contacts couplée à une loi de comportement représentative du fonctionnement d’un système mécanique. À l’échelle de la pièce, l’intégration des défauts de forme augmente drastiquement la complexité de la modélisation des contacts. Cela conduit les outils d’analyse de tolérances à émettre des hypothèses appauvrissant les variations des pièces tout en se spécialisant sur des types d’architectures particulières (isostatique ou hyperstatique) avec ou sans gestion des mobilités du système intégrant ou non les déformations locales des surfaces en contact et la souplesse des pièces. Au regard de la complexité des phénomènes physiques à prendre en compte, il est nécessaire de penser et développer une acuité adaptative de la modélisation d’un système par rapport aux exigences fonctionnelles à satisfaire. Le projet AToPAd a pour objectif de lever ces verrous scientifiques notamment en développant à l’échelle de la pièce des outils de caractérisation des défauts de forme réalistes. L’intégration de ces défauts de forme doit être jumelée à la déformation des surfaces de contact. La simulation de ces défauts et déformations à l’échelle du mécanisme assurera la continuité entre ces différentes échelles et validera globalement leur performance. Pour cela, un approfondissement des travaux de recherche en tolérancement géométrique et multi-physique est proposé en considérant une représentation discrète et réaliste des formes (Skin Model Shapes) développée par le LURPA couplée à des méthodes d’analyse de tolérances à bases de modèles de polyèdres réalisées au sein de l’I2M. À travers ce couplage innovant, le projet va contribuer : • À caractériser la variabilité géométrique tout le long du cycle de vie du produit, • À simuler le comportement réaliste des assemblages et à développer de nouveaux fondements pour le tolérancement multi-physique. Les développements théoriques et outils numériques mis en place dans le projet AToPAd seront validés sur des exemples tout d’abord de laboratoires, mais aussi sur des applications fournies par des partenaires industriels. Une des originalités de ce projet est que les outils développés seront partagés en open source. De plus, une bibliothèque CAO des systèmes utilisée pour qualifier les outils sera mise à disposition. Des guides de conception préconisant l’acuité d’une modélisation nécessaire pour un système mécanique vis-à-vis d’une exigence fonctionnelle et d’un comportement attendu seront mis en place. Le projet contribuera dans son ensemble au développement du jumeau numérique des assemblages mécaniques qui est un enjeu pour le volet numérique de l’usine du futur.

L’objectif global du projet EXOMAN est d’améliorer la symbiose entre humains et exosquelettes. Pour ce faire, nous envisageons de produire de nouvelles connaissances fondamentales sur l’Interaction Homme-Exosquelette (IHE) en se concentrant sur la dimension humaine. L’utilisation des exosquelettes est prometteuse dans les champs de l’ergonomie et de la santé, que ce soit pour prévenir les troubles musculo-squelettiques ou compenser des déficits moteurs. Indépendamment du but final (ex. : augmentation des capacités physiques de l’opérateur ou assistance physique pour un patient), les exosquelettes actifs peuvent fournir un moyen d’assister les mouvements d’un patient ou d’un travailleur avec tous les avantages offerts par la robotique : répétabilité, précision et adaptabilité. Après une croissance exponentielle des recherches dédiées aux exosquelettes robotisés durant la dernière décennie, plusieurs modèles ont été développés. En particulier, les exosquelettes du membre supérieur ont généré un intérêt considérable, avec beaucoup d’applications liées aux mouvements de préhension et à la manipulation d’objets dans des contextes à la fois cliniques et industriels. A ce jour cependant, le transfert de ce type de technologie de la recherche vers les applications pratiques (c’est-à-dire, en dehors du laboratoire) reste limité. En outre, les bénéfices de ces appareils par rapport à des techniques existantes (ex. : ergonomie proactive ou thérapies manuelles) manquent de fondement scientifique. Certains aspects du design des exosquelettes limitent visiblement leur utilité et applicabilité dans les situations de la vie réelle. Au-delà des défis technologiques inhérents à ce type d’appareil (actionneurs, poids élevé, source d’énergie…), un problème plus fondamental est lié à notre manque de compréhension du contrôle moteur humain en interaction avec un exosquelette. Notre hypothèse de recherche est que des avancées significatives autour des exosquelettes robotisés iront de paire avec une meilleure compréhension de la contribution humaine dans l’IHE. Quantifier et déchiffrer comment l’humain adapte ses mouvements lorsqu’il porte un exosquelette actif de membre supérieur (et pourquoi il s’adapte ainsi) constituera donc le fil rouge de ce projet. Le projet EXOMAN sera organisé autour de 4 axes de travail. Les tests expérimentaux seront conduits sur l’exosquelette ABLE, un exosquelette motorisé hautement réversible. Premièrement, une plateforme technologique permettant la mesure d’un ensemble exhaustif de paramètres du mouvement humain (cinématiques, dynamiques et énergétiques) durant l’IHE sera créée (work package 1). Ceci permettra de conduire des analyses poussées du comportement moteur humain en interaction avec ABLE (work package 2). Puisque des formes de mouvement différentes devraient être observées en fonction des lois de contrôle appliquées par le robot et du couplage physique entre l’utilisateur et l’exosquelette, deux axes de recherche complémentaires sont proposés. D’un côté, des lois de contrôle anthropomorphes de haut niveau seront développées (work package 3). D’un autre côté, l’interfaçage physique entre la personne et l’exosquelette sera optimisé (work package 4). Une tâche appliquée standardisée sera d’aider ou d’assister l’opérateur à bouger son bras ainsi qu’une masse, d’un point à un autre, de manière écologique, confortable et à moindre effort. En résumé, ce projet interdisciplinaire impliquant des chercheurs du contrôle moteur humain et des roboticiens abordera à la fois des questions fondamentales et technologiques pour améliorer notre compréhension de l’IHE et améliorer l’utilité des exosquelettes dans les applications du monde réel.