Thèse Jumeau Humanoïde Virtuel pour une Évaluation Motrice Personnalisée H/F - Doctorat.Gouv.Fr

Établissement : Université Grenoble Alpes École doctorale : ISCE - Ingénierie pour la Santé la Cognition et l'Environnement Laboratoire de recherche : Grenoble Images Parole Signal Automatique Direction de la thèse : Claire DELATTRE-TOULOTTE ORCID 000000025985396X Début de la thèse : 2026-10-01 Date limite de candidature : 2026-05-19T23:59:59 Pour de nombreuses personnes, les gestes quotidiens, comme boire un café, se font automatiquement. Pour les personnes souffrant de troubles moteurs - tels que ceux causés par un AVC ou une lésion médullaire -, ces tâches peuvent s'avérer beaucoup plus complexes. La rééducation des membres supérieurs est alors essentielle pour retrouver les fonctions motrices et améliorer la qualité de vie. Cependant, les méthodes d'évaluation actuelles, telles que les scores cliniques ou les évaluations de trajectoires articulaires, sont limitées par une utilisation peu fréquente, un manque de personnalisation et une dépendance à des données de référence génériques. Ces lacunes entravent le suivi efficace des progrès et la mise en place de soins personnalisés.
Cette thèse présente une approche novatrice : le jumeau humanoïde virtuel, un modèle biomécanique personnalisé du patient. S'appuyant sur la formulation et résolution de problèmes d'optimisation multi-objectifs prenant en compte l'ergonomie, ce jumeau a pour but de générer des mouvements de référence personnalisés en utilisant uniquement les mouvements propres du patient, éliminant ainsi le besoin de jeux de données de référence pré-collectés et permettant des évaluations sur mesure. Des approches cinématiques et dynamiques seront explorées, en utilisant des modèles cinématiques simples dans un premier temps, puis des modèles musculo-squelettiques plus détaillés dans un second temps. L'observabilité des mouvements de référence à partir des mouvements altérés sera également analysée, en fonction du niveau de handicap du patient.
La pertinence clinique et l'applicabilité pratique seront garanties grâce à des collaborations étroites avec des établissements cliniques (Institut de Formation des Professionnels de Santé - UGA, CHUGA, Institut Régional de Réadaptation de Nancy). Les résultats attendus permettront aux kinésithérapeutes d'accéder facilement à des mouvements de référence personnalisés pour leurs patients, facilitant ainsi le suivi tout au long de la rééducation. Pouvoir générer les mouvements de référence à partir de ceux du patient offrent également la possibilité d'accéder en temps réel à ces mouvements sans déficience, et de corriger ainsi le patient à l'aide de solutions de bio-feedback ou d'un dispositif robotique.
Ce projet de doctorat combine la biomécanique et l'optimisation. Outre le développement de nouvelles méthodes pertinentes pour la biomécanique, la robotique humanoïde et la modélisation du contrôle moteur, ces travaux bénéficieront également à la kinésithérapie et à la rééducation motrice. La multidisciplinarité de ce projet offrira un environnement stimulant à la/au doctorant.e, qui participera à la fois aux aspects techniques et expérimentaux.
Pour la plupart des personnes, les gestes quotidiens, comme boire un café, se font sans effort, de manière instinctive. Pourtant, pour les personnes dont les capacités motrices sont réduites, que ce soit à la suite d'un AVC, d'une lésion médullaire ou d'autres troubles neurologiques, ces tâches en apparence simples peuvent devenir un véritable défi, exigeant concentration et effort. Pour récupérer les fonctions motrices, retrouver son autonomie et améliorer la qualité de vie, la rééducation des membres supérieurs joue un rôle crucial [1]. Tout au long du parcours thérapeutique des patients, une évaluation régulière des mouvements est essentielle : pour évaluer les progrès, choisir les exercices thérapeutiques appropriés ou renforcer la motivation du patient. Les scores cliniques donnent un premier aperçu du niveau de déficience, mais il est également essentiel d'évaluer les trajectoires articulaires et les paramètres de mouvement détaillés, pour une évaluation plus approfondie [2, 3]. Alors que les scores cliniques, malgré leur rapidité d'exécution, ne sont souvent réalisés qu'au début et à la fin de la phase de rééducation, les évaluations détaillées sont encore plus rares, laissant des lacunes critiques dans le suivi des progrès. De plus, ces évaluations ont tendance à s'appuyer sur une approche généraliste, négligeant le fait que le parcours de rétablissement de chaque patient est unique. Cela met en évidence un besoin crucial : faciliter l'évaluation motrice et améliorer les soins aux patients grâce à une plus grande personnalisation.
Pour évaluer l'altération d'un mouvement, on se base généralement sur la comparaison des performances d'un patient avec une référence. Cette référence est actuellement obtenue soit à partir du membre contralatéral, lorsqu'il est disponible [3], soit en calculant la moyenne des données provenant de personnes sans handicap moteur [4]. Cependant, la collecte de données de référence basées sur le membre non atteint allonge considérablement la durée de l'évaluation - déjà importante - et est biaisée par la latéralité. La collecte de données de référence auprès de personnes sans handicap moteur nécessite un nombre élevé de participants pour compenser la variabilité des mouvements [5], tandis que chaque nouvelle tâche à évaluer exige son propre ensemble de données de référence. Plus important encore, s'appuyer sur une moyenne globale de données collectées auprès de personnes valides manque cruellement de personnalisation. La morphologie du patient est un premier facteur significatif influant sur le mouvement [6], qui est omis lors du calcul de la moyenne. On peut également s'interroger sur la pertinence de supposer que toutes les articulations sont pleinement mobiles chez le patient, quand certaines peuvent présenter des limitations de mobilité permanentes [7]. Un accès facile aux mouvements de référence et une personnalisation améliorée sont essentiels pour permettre un suivi régulier et pertinent de la récupération motrice.
Ce projet de thèse vise à développer des méthodes de génération de mouvements afin de personnaliser et d'améliorer le suivi et la compréhension de la récupération motrice. Nous développerons un modèle biomécanique du patient, appelé jumeau humanoïde virtuel (JHV), qui sera utilisé pour générer des mouvements de référence personnalisés, en utilisant uniquement les mouvements et la morphologie du patient comme connaissances préalables. Cette approche supprimera la nécessité de collecter des données de référence prédéfinies et limitées à une tâche donnée.
Cette thèse vise à implémenter un jumeau humanoïde virtuel permettant de générer des mouvements de référence personnalisés (morphologie, capacités motrices) à partir des mouvements propres du patient, en utilisant des outils d'optimisation et des considérations ergonomiques. Cette approches novatrice permettra de s'affranchir de la collecte de données de référence, actuellement indispensable mais trop fastidieuse pour permettre une évaluation régulière et complète. Bien que les approches proposées puissent s'appliquer à n'importe quelle pathologie, cette thèse ciblera les patients ayant subi un AVC, afin de limiter la diversité des troubles moteurs rencontrés.
Les données de référence provenant de sujets sains doivent actuellement être collectées en amont de l'évaluation, sont limitées à une tâche spécifique et ne sont pas personnalisées.
Nous proposons ici un changement de paradigme: obtenir les mouvements de référence à partir de la génération de données plutôt que d'une collecte préalable, en ne nécessitant comme connaissances que les mouvements et la morphologie du patient. Nous explorerons une approche basée sur l'optimisation multi-critères, la théorie du contrôle optimal et l'ergonomie : les mouvements de référence seront générés en optimisant en particulier l'ergonomie du mouvement du patient.
Le corps du patient sera modélisé dans un premier temps comme une chaîne cinématique intégrant ses attributs anatomiques, définissant ainsi le profil du JHV. Dans un deuxième temps, nous utiliserons une modélisation plus complexe, en intégrant des aspects musculaires. Les fonctions motrices du JHV seront également personnalisables, afin de s'adapter aux capacités du patient. Nous définirons la tâche du JHV et les fonctions objectifs du problème d'optimisation de façon à garantir que la méthode fonctionne sur une tâche motrice a priori inconnue et puisse s'adapter à n'importe quel mouvement. Pour se faire, nous supposerons que le patient est capable de placer correctement sa main mais avec une configuration corporelle incorrecte, et la pose de la main du patient (position et orientation) définira alors la tâche du JHV. Les fonctions objectifs seront définies sur la base de critères ergonomiques (tels que le Rapid Upper-Limb Assessment), comme nous avons commencé à l'explorer dans des travaux antérieurs [8]. Nous allons tout d'abord poursuivre le développement d'une approche cinématique (voir [9] pour des résultats préliminaires), dans laquelle l'optimisation est effectuée à chaque pas de temps. Nous examinerons ensuite la trajectoire complète de la main, afin de saisir à la fois les aspects temporels et dynamiques. Les mouvements générés seront validés par comparaison avec des données réelles provenant d'utilisateurs asymptomatiques, sur un large éventail de tâches de la vie quotidienne et d'exercices thérapeutiques. Cette validation s'appuiera entre autres sur des mesures de mouvement standard telles que l'amplitude de mouvement, l'erreur quadratique moyenne de la trajectoire ou la distance obtenue après dynamic time wrapping [10], ainsi que sur des évaluations réalisées par des kinésithérapeutes.
Afin de garantir une mise en oeuvre fiable de la génération des mouvements, nous utiliserons des outils reconnus que ce soit pour la dynamique des corps rigides et la résolution de problèmes d'optimisation, tels que Pinocchio [11] et casADI [12], ou pour la modélisation musculo-squelettique humaine, tels que Bioptim [13] ou OpenSim Moco [14].
Validation clinique : afin de garantir la pertinence clinique des travaux menés dans le cadre de cette thèse, nous travaillerons en étroite collaboration avec des patients et des cliniciens dès les premières étapes. En particulier, l'accès à des mouvements de patients pour construire et développer le JHV est essentiel. Dans un premier temps, nous utiliserons des jeux de données existants (par exemple, U-Limb [15]), que nous compléterons avec davantage de participants et de tâches. Les données de mouvement (cinématiques et activité musculaire) de différents exercices thérapeutiques du membre supérieur seront d'abord collectées auprès de sujets sains portant un équipement limitant leurs mouvements (par exemple, une orthèse). Ensuite, nous étendrons la collecte de données aux patients. Les procédures éthiques et légales seront menées en conséquence.
Risques : définir une loi de contrôle unique pour générer des mouvements de référence, valable pour toute tâche des membres supérieurs, est un défi important. Des travaux antérieurs ont montré des résultats encourageants [9], mais si cela s'avère irréalisable, nous classerons les mouvements en plusieurs catégories et appliquerons différentes lois de contrôle. Cela réduirait la généralisation de notre approche, mais ouvrirait tout de même des perspectives importantes pour l'évaluation des membres supérieurs. La robustesse des approches proposées face aux variations paramétriques et aux incertitudes de modélisation est également un point clé à prendre en compte pour la mise en application des méthodes d'optimisation.

Titulaire en octobre 2026 d'un diplôme d'ingénieur ou d'un Master 2 (ou un autre diplôme étranger équivalent dans l'enseignement supérieur français) en biomécanique, automatique, robotique, mathématiques appliquées ou dans un domaine similaire.
Des compétences en modélisation (biomécanique ou robotique), optimisation et code (python) sont requises. Des capacités analytiques (analyse et intégration informatique) et le goût pour le travail expérimental sont fortement recommandés. La créativité et le goût pour le travail interdisciplinaire sont souhaitables.