Academic literature on the topic 'Physical systems modelisation'

L'apprentissage moteur en tant que mécanisme de récupération est supposé être un cadre qui a guidé les principes de la thérapie physique et qui, depuis l'avènement de la robotique, fait de même pour les dispositifs de réadaptation. Le processus de réadaptation représente l'intersection de nombreuses facettes interconnectées qui co-interagissent pour produire des mouvements récupérés. L'utilisation de la technologie présente de nombreux avantages tout en contribuant à la complexité du phénomène en question. Nous intéressons notre recherche à l'entraînement passif par exosquelette du membre supérieur. Nous proposons une échelle d'évaluation adaptative intra-patient qui est capable de détecter les changements de performance intra-patient pendant l'entraînement robotique. L'apprentissage moteur, le processus par lequel notre cerveau acquiert de nouvelles capacités motrices ou réapprend celles qu'il a perdues suite à un incident neurologique ou traumatique, est notre entrée pour étudier ce phénomène. L'interaction du système composé de l'appareil, de l'incitation sous forme de jeux sérieux et des patients avec tous leurs niveaux d'existence, physiologiques, psychologiques et cognitifs est le système d'étude. Les composants présentent des qualités hétérogènes et des changements dynamiques. La sortie du système sous la forme de trajectoires exécutées est notre instrument de mesure pour étudier les interactions au sein du système. Nous formulons le modèle de trajectoire comme une chaîne de Markov et utilisons le filtre de Kalman pour estimer les états lissés. Alors que la dynamique varie dans le temps, nous modélisons les hypothèses sur le mouvement dans une formulation dynamique et estimons ses paramètres à partir des données. Pour tenir compte de la variabilité temporelle,nous introduisons une source de bruit parallèle à la dynamique et l'estimons à l'aide d'un algorithme d'espérance-maximisation. La nature temporelle n'étant qu'une seule facette du phénomène cinématique, nous supposons un alignement temporel variable et l'estimons en utilisant l'itération d'espérence-maximisation pour augmenter la vraisemblance du modèle estimé par rapport aux trajectoires observées. Une fois appris, les paramètres dépendants du modèle et extraits sont utilisés pour comparer les différences de performance. Les propriétés des outils d'évaluation clinique sont étudiées et les résultats sont formulés pour répondre aux besoins communément signalés. En partant des mêmes principes fondamentaux de l'apprentissage moteur, nous avons cherché à définir un nouvel instrument d'évaluation visuelle destiné à répondre au besoin d'un formulaire de retour d'information facile à communiquer pour le patient. Nous présentons et évaluons les propriétés cliniques de l'outil tout en fournissant des résultats de validation sur des données cliniques attestant de la sensibilité longitudinale de l'outil. L'hypothèse sous-jacente de la visualisation a ensuite été évaluée à l'aide d'une mesure objective de la valeur de probabilité maximale dérivée d'un modèle probabiliste des trajectoires et appliquée sur un modèle de trajectoire hautement probable appris à l'aide d'un régresseur Kernel K-Nearest Neighbors (KNN)<br>Motor learning as a recovery mechanism is assumed to be a framework that drived and guided physical therapy and now since the advent of robotics doing the same to the rehabilitation devices. The rehabilitation process presents the intersection of many different interconnected facets that co-interact to produce recovered movements. The use of the technology introduces many benefits while contributing to the complexity of the phenomena at hand. We interest our research to the passive exosquelette training of the upper limb. We propose an adaptive intra patient assessment scale that is capable of detecting intra-patient performance changes during robotic training. Motor learning, the process of our brain's acquiring newer motor skills or relearning those he lost due to neurological or traumatic incident is our portal to investigating this phenomenon. The interaction of the system that is composed of the device, the incentive in form of exercise games and the patients with all its level of existence, physiological, psycho-logical, and cognitive is the system of study. The components present heterogeneous qualities and dynamically driven changes. The system output in the form of the trajectories executed is our gauging instrument to investigate the interactions within the system. We formulate the trajectory model as a Markov Chain and use the Kalman Filter to estimate the smoothed states. While dynamics are variant in time we model the assumptions about the movement into a dynamical formulation and estimate its parameters from data. To account for the time variability we introduce parallel noise source to the dynamics and estimate it using an Expectation-Maximization algorithm. The temporal nature being only a single facet of the kinematic phenomena, we assume a variable temporal alignment and estimate it using Expectation-Maximization iteration to increase the likelyhood of the estimated model compared to the observed trajectories. Once learned the model dependent and extracted parameters are used to compare between differences in performance. The properties of the clinical assessment tools are investigated and results are formulated to answer the commonly reported needs. Stemming from the same fundamentals of motor learning, we aimed to define a new visual assessment instrument that is intended to fulfill the need of patient-first easily communicated feedback form. We present and assess clinical properties of the tools while providing validating results on clinical data attesting the longitudinal sensitivity of the tool. The underlying assumption of the visualization was then assessed using an objective measure of maximum probability value derived using a probabilistic model of the trajectories and expected on a highly likely trajectory model learned using a Kernel-Near-Neighbors Regressor

Dans ce travail, nous développons un cadre de calcul dédié à la simulation d'écoulements à plusieurs fluides. Nous présentons des validations et vérifications de ces méthodes sur des problèmes de capture d'interfaces et de simulations de bulles visqueuses. Nous montrons ensuite que ce cadre de calcul est adapté à la simulation d'objet rigides en écoulement. Puis, nous étendons ces méthodes à la simulation d'objets déformables simulant le comportement des globules rouges : les vésicules. Nous validons aussi ces simulations. Enfin nous appliquons les précédents modèles à des problèmes ouverts de microfluidique tels que la séparation d'une suspension dans une bifurcation microfluidique et la rhéologie en milieu confiné.

Nous décrivons, dans cette thèse, des modèles et des algorithmes conçus pour produire des simulations dynamiques efficaces et consistantes, dans le contexte de la Robotique d'intervention (c'est-à-dire, pour les tâches robotiques qui impliquent des contraintes fortes sur la nature de l'interaction entre des objets qui ne sont pas forcément rigides). Ces modèles et ces algorithmes ont été intégrés et implantés dans le système Robot_Phy qui peut être potentiellement reconfiguré pour traiter une grande variété de tâches d'intervention, comme la manipulation dextre d'un objet par une main robotique, la manipulation d'un objet non rigide, la téléprogrammation du mouvement d'un véhicule tout-terrain, ou encore des tâches chirurgicales assistées par robot (par exemple, le positionnement d'un ligament artificiel dans la chirurgie du genou). L'approche utilise une nouvelle technique de modélisation physique pour produire des simulations dynamiques qui sont à la fois efficaces et consistantes avec les lois de la physique. Les avantages par rapport aux travaux antérieurs dans le domaine de la robotique et de la synthèse d'image sont: le développement d'une structure unique pour traiter simultanément le mouvement, les déformations, et les interactions; et l'incorporation d'algorithmes et de modèles appropriés pour obtenir un temps d'exécution efficace en assurant un comportement consistant avec les lois de la physique. Les contributions principales de ce système sont: l'intégration de la notion du système masse/ressort avec la dynamique d'objets rigides, la discrétisation adaptative basée sur la notion de matrice d'inertie et de centre d'inertie, le pas de temps adaptatif basé sur la notion de l'énergie mécanique pour optimiser le temps de calcul et éviter la divergence numérique, la détection rapide du contact entre polyèdres déformables, et l'identification des paramètres physiques en utilisant les algorithmes génétiques<br>We describe models and algorithms designed to produce efficient and physically consistent dynamic simulations. These models and algorithms have been implemented within the RobotΦ system\cite(RAP95) which can potentially be configured for a large variety of interven\-tion-style tasks such as dextrous manipulations with a robot hand; manipulation of non-rigid objects; tele-programming of the motions of an all-terrain vehicle; and some robot assisted surgery tasks (e. G. Positioning of an artificial ligament in knee surgery). The approach uses a novel physically based modeling technique to produce dynamic simulations which are both efficient and consistent according to the laws of the Physics. The main advances over previous works in Robotics and Computer Graphics fields are twofold: the development of a unique framework for simultaneously processing motions, deformations, and physical interactions; and the incorporation of appropriate models and algorithms for obtaining efficient processing times while insuring consistent physical behaviors

Ce travail se situe dans le domaine de la synthèse d’images par ordinateur et de l’animation par modèles physiques. La modélisation et la visualisation d’un objet physique suppose un travail sur la forme, le mouvement et l’image. Plus cet objet de référence est déformable et plus la relation entre ces trois entités est complexe. Dans ce travail, nous étudions cette relation et nous déterminons dans quelles conditions le comportement (forme, mouvement, image) des objets peut être représenté par des modèles autonomes (modélisation multi-échelles) et découplés (habillage). En particulier, nous étudions le cas des objets très déformables. Un générateur de formes pour objets très déformables doit vérifier un certain nombre de propriétés. Nous présentons un modèle de forme en mouvement vérifiant ces propriétés. Nous en étudions le comportement dynamique et nous présentons les images obtenues<br>This work falls within the field of image synthesis and computer animation by physical modelling. The modelling and visualization of physical objets consists in a work on shape, motion and image. The more a given reference object is deformable and the more the relation between these three phenomena may grow complex. We study this relation and determine in which conditions the behaviour (shape, motion and image) of an object may be represented by several models which are autonomous (multi-scale modelling) and discoupled (clothing « habillage »). In particular, we study highly deformable objects. A shape modeler for this type of object must verify a certain number of properties. We present a shape model verifying these conditions. We study its dynamic behaviour and present the resulting images