Robotic micromanipulation is a widely used experimental technique to physically interact with a microscale sample under a microscope, and has found important applications in cell microinjection, mechanical characterization of biomaterials, and assembly of micro-parts. Force sensing and control play important roles in robotic micromanipulation. For instance, monitoring the contact force in cell injection indicates the moment of cell membrane penetration, and controlling the grasping force of a microgripper allows accurate characterization of the mechanical properties of a material being manipulated. Recently, force-controlled robotic micromanipulation has found its new application in studying the neuron-level mechanobiology of Drosophila larvae. Specifically, the capability of accurately applying millinewton-level touch stimuli to a Drosophila larva and simultaneously observing resultant fluorescence signal transmissions in its mechanosensitive neurons will enable novel research on mechanisms of the animals mechanotransductive neural circuitries. The conventional method is to conduct the experiment manually, which is time consuming and requires extensive training for operators. A robotic micromanipulation system designed for this type of experiments could greatly facilitate the mechanobiology research on Drosophila with much higher accuracy, efficiency, and repeatability.

In this thesis, a force-controlled robotic micromanipulation system is developed for simultaneously applying accurate mechanical stimuli and quantifying fluorescence neuron transmission signals in Drosophila larvae. The system employs an elastomeric microdevice for immobilizing individual larvae on a substrate, and a microelectromechanical systems (MEMS) piezoresistive force sensor for applying a closed-loop controlled touch stimulus to a larva. A micromanipulator and a microscope XY stage are coordinately servoed using orchestrated position and force control laws for automatic operations. The system performs force-controlled larva touching and fluorescence imaging at a speed of four larvae per minute, with a success rate of 92.5%. A new force control architecture, including a compensation-prediction scheme and a switched fuzzy to proportionalintegral-derivative (fuzzy-PID) controller, is also proposed to effectively improve the dynamics of the force control system. The compensation-prediction scheme is employed to accommodate force measurement noise, system modelling errors, time delays and lack of position feedback from the micromanipulator. The switched fuzzy-PID controller is proposed to ensure the fast convergence and small steady-state oscillation of the system. Compared to conventional PID control scheme, the proposed architecture reduces the force overshoot to <5% and settling time to <0.2% s.

To verify the effectiveness of the developed system, it is used to apply mechanical stimuli to Drosophila larva with fluorescence-labelled class III ddaA neurons (which is known to be responsible to mechanical stimulation). Similar responses of the neural transmissions are acquired compared to those reported in the literature (obtained by manual operations), and significantly improved accuracy and efficiency are demonstrated. Leveraging the systems capability of accurately controlling the stimulation force, Mechanical stimuli were applied at different force levels (0.25-2 mN) to the larva samples, and experimentally determined, for the first time, the minimal force level to which the class III ddaA neurons of a Drosophila larva start to respond. This robotic system will greatly facilitate the dissection of mechanotransduction mechanisms of Drosophila larvae, and the proposed force control architecture could also be readily applied to other robotic micromanipulation systems to improve their dynamic performance.

Micromanipulation robotique est une technique d’interagir physiquement avec un échantillon sous un microscope, où un niveau de précision du mouvement est nécessaire qui ne peut être at- teint par la main de l’homme sans aide. Cette technique est couramment utilisé dans l’injection de cellules, propriété mécanique caractérisation des matériaux et l’assemblage de pices sous mi- crométrique, etc.

Le sensoriel et le contrôle de la Force jouent des rôles importants dans la micromanipulation robotique. Par exemple, la surveillance de la force de contact à l’injection de cellules peut indiquer le moment de la pénétration de la membrane cellulaire, et à commander la force de préhension d’une micropince pourrait caractériser précisément les propriétés mécaniques d’un matériau.

Récemment, force contrôlée micromanipulation robotique a trouvé sa nouvelle application dans l’étude du comportement danger-fuite de Drosophila larves. La capacité d’appliquer avec précision stimuli niveau de millinewton tactiles à Drosophila larves et en observant simultanément leurs réponses de fluorescence résultantes dans la transmission des neurones mécanosensible per- mettra de nouvelles études de circuits mécanotransduction neuronal. Le procédé classique consiste à réaliser l’expérience manuellement, ce qui prend du temps et nécessite une formation complète pour les opérateurs. Un systme de micromanipulation robotique capable d’appliquer avec précision des stimuli mécaniques pourrait grandement faciliter la recherche de mécanobiologie sur Drosophila, et peut éventuellement mener à de nouvelles découvertes dans mécanotransduction des circuits de neurones.

Des efforts considérables ont été faits dans le domaine de la micromanipulation robotique force contrôlée. Cependant, les systèmes existants de micromanipulation forces contrôlées sont toujours sujettes au bruit de mesure, erreur de modélisation, la temporisation et la rétroaction insuffisante. Pas de solutions universelles à ces questions ont été proposées. Dans cette thèse, un régime d’indemnisation-prédiction est proposée pour résoudre le bruit de mesure, erreur de modélisation, la temporisation et la rétroaction insuffisante tout à fait. Un contrôleur flou-PID commuté est proposé pour garantir la convergence rapide et petite oscillation d’état stable. L’idée de cette architecture de contrôle se résume comme suit:​ le inobservabilité causé par des retours insuffisants est résolu par une transformation mathématique des variables d’état de combiner deux termes inconnus dans un terme inconnu équivalent, puis une extension à gain élevé observateurs de bruit insensible (EHGO) estimations ce terme inconnu équivalent, ce qui rend le systme dépourvu de termes inconnus. Enfin, un prédicteur de Smith pour compenser le retard de temps. Le contrôleur flou converge la force de contact à la valeur objective à la vitesse maximale possible. Le système passe alors au contrôleur PID lorsqu’un seuil est atteint pour minimiser l’oscillation d’état stable. Les expériences montrent que cette architecture de commande réduit le temps de dépassement et de régler de manire significative, en dépit de la présence d’erreurs de modélisation, bruit de mesure, temps de retard, et la rétroaction insuffisante.

Le système utilise également une caméra de fluorescence qui pourrait observer les réponses de fluorescence dans la transmission des neurones mécanosensible de Drosophila larve. fonction- nalité de téléoperation supplémentaires, telles que manipulation via clavier, est également adopté pour faciliter davantage la procédure expérimentale. Les expériences biologiques montrent que la force de contact contrôlé avec précision pourrait stimuler les larves pour afficher le changement correspondant de l’intensité de fluorescence. Par rapport au fonctionnement manuel, ce systme améliore considérablement l’efficacité et réduit la formation requise pour les opérateurs.