Pour les personnes souffrant de troubles de mobilité du haut du corps, des tâches quotidiennes qui semblent anodines peuvent devenir extrêmement complexes. La tâche d’alimentation en est un excellent exemple. Dans les 20 dernières années, une multitude de solutions à cette tâche ont été proposées par des laboratoires de recherche ou des entreprises afin d’assister ces personnes. Toutefois, la plupart de ces solutions ont d’importantes limitations :​ complexité d’installation et de transport, difficulté à contrôler, peu intuitif, etc. L’objectif de ce mémoire est de présenter une preuve de concept de solution abordable permettant à des personnes à mobilité réduite au niveau du haut du corps de s’alimenter plus aisément.

La solution proposée inclut d’abord une caméra de stéréovision combinée à un système de reconnaissance d’objets basé sur l’apprentissage profond afin de repérer et localiser la nourriture dans une assiette située devant l’utilisateur. Cette partie permet à l’utilisateur d’éviter de se soucier de spécifier la position de la nourriture qu’il veut manger;​ le système le fait pour lui, ce qui rend le tout beaucoup plus intuitif et simple à contrôler. La caméra permet également d’établir un modèle de la scène et des obstacles présents, ce qui permet au système d’éviter ces obstacles.

Les coordonnées de la nourriture à aller chercher sont ensuite envoyées au bras robotique MICO de Kinova, simulé avec ROS et Gazebo. Il s’agit d’un bras de réadaptation conçu pour être monté sur une chaise roulante, ce qui réduit la complexité d’installation et de transport. Un calcul de trajectoire est alors effectué et la cinématique inverse du bras robotique est calculée afin que le bras puisse approcher la nourriture avec l’effecteur choisi, une fourchette, selon un angle d’approche prédéfini. La nourriture est ensuite ramenée à une position fixe près de la bouche de l’utilisateur, le tout de manière entièrement autonome.

En utilisant le système développé, l’utilisateur peut donc se nourrir de manière intuitive et autonome. Selon les tests effectués, le système constitue une preuve de concept valide, n’ayant échoué aucun des cinq essais effectués, et permet à l’utilisateur de manger deux morceaux de nourriture en un temps moyen de 90,22 secondes (dont 18,3% sont dédiés aux calculs). Le reste est donc entièrement utilisé pour le déplacement du bras, qui est une limitation physique du système robotique.

For people who suffer from upper-body disabilities, some casual tasks that seem innocuous can actually become extremely complex. Eating is an excellent example of such a task. In the last 20 years, multiple solutions have been suggested by academia and industries in order to help those people. However, most of these solutions have important limitations:​ complexity of installation or transport, control difficulty, lack of intuitiveness, etc. The goal of this thesis is to present a proof of concept of a low-cost solution that addresses this difficulty in carrying out the feeding task for people with disabilities.

The suggested solution includes a stereovision camera combined with an object recognition system based on deep learning in order to detect and locate food on a plate in front of the user. This part of the system removes the need for the user to specify the exact position of the food he wants to eat;​ the robotic system does it for him or her, reducing significatively the complexity of the task and making it a lot more intuitive. The camera also allows the system to build a model of the scene, including obstacles, allowing the system to build a collision-free trajectory.

The coordinates for the food to reach is then sent to the robot arm MICO by Kinova, which is simulated using ROS and Gazebo. This arm is specifically made to fit on wheelchairs, thus reducing the complexity of required installation and transport. The path planning is then completed and the inverse kinematics of the robot arm is computed in order to reach the food with the tool selected for the project, a fork, at a predefined angle of approach. The food is then brought back to a constant position near the user’s mouth. Everything is done autonomously.

By using the developed system, the user can feed himself in an autonomous and intuitive manner. According to the tests, the system is a good proof of concept, having failed none of the 5 attempts, and allows the user to eat two pieces of food in an average time of 90.22 seconds (of which only 18.3% is dedicated to computations). The remaining 81.7% is thus used entirely for the movement of the robot arm, which is due to a physical limitation of the system.