The Impact of Gait Pattern Personalization on the Perception of Rigid Robotic Guidance: A Pilot User Experience Evaluation

Cette étude pilote révèle que, bien que l'adaptation des trajectoires d'exosquelette aux caractéristiques individuelles soit techniquement réalisable, elle n'améliore pas significativement l'expérience utilisateur à court terme par rapport aux effets dominants de l'adaptation à l'appareil lui-même.

L'essentiel

🤖 L'histoire : Le robot qui veut vous apprendre à marcher

Imaginez que vous portez un exosquelette, une sorte de "squelette en métal" qui vous aide à marcher sur un tapis roulant. Ce robot est très fort et très précis : il peut littéralement bouger vos jambes pour vous.

Le problème, c'est que la plupart de ces robots utilisent un mode "cliché". Ils appliquent une marche moyenne, comme un patron de couture standardisé (taille unique). Mais nous savons tous que nos pas sont uniques, comme nos empreintes digitales ou notre voix.

La question des chercheurs était simple :

Si on programme le robot pour qu'il imite votre marche personnelle (basée sur votre taille, votre poids, votre âge), est-ce que vous vous sentirez mieux, plus à l'aise et plus "naturel" que si le robot vous force à suivre la marche moyenne ?

🧪 L'expérience : Trois façons de marcher

Pour tester cela, ils ont pris 10 personnes en bonne santé (pas de blessures) et les ont fait marcher avec le robot dans trois situations différentes, comme un test de dégustation de trois plats :

1. Le Plat "Sur Mesure" (Personnalisé) : Le robot a calculé une marche spécifique pour chaque personne, en utilisant une formule mathématique basée sur leurs données physiques. C'est comme si le chef cuisinier avait ajusté l'assaisonnement exactement pour votre palais.
2. Le Plat "Standard" (Moyenne) : Le robot a utilisé une marche moyenne, calculée en mélangeant les données de beaucoup de gens. C'est le plat "du jour" qui convient à tout le monde, mais à personne en particulier.
3. Le Plat "Hasard" (Aléatoire) : Le robot a pris une marche au hasard dans une base de données, sans se soucier de qui était devant lui. C'est comme si le chef vous servait un plat au hasard, juste pour voir si ça passe.

Le robot était très rigide (il ne lâchait rien), forçant les jambes à suivre exactement ces trajectoires.

📉 Les résultats : La surprise !

Les chercheurs s'attendaient à ce que les gens disent : "Ah, le plat sur mesure est délicieux ! Je me sens super bien !"

Mais ce ne fut pas le cas.

Voici ce qu'ils ont découvert, traduit en langage simple :

1. Le "Goût" était le même : Les participants n'ont pas vraiment fait la différence entre la marche "sur mesure" et la marche "standard". Ils n'ont pas trouvé l'un plus confortable, plus naturel ou plus amusant que l'autre.

   • L'analogie : C'est comme si vous portiez des chaussures de sport standard et des chaussures de sport "sur mesure" pour une course de 5 minutes. Au début, vous ne sentez pas la différence. Les deux font un peu mal aux pieds à cause de la rigidité du système, pas à cause de la forme de la semelle.

2. Le vrai gagnant : L'habitude (L'adaptation) :

   • La chose la plus importante n'était pas quelle marche le robot imposait, mais quand ils la faisaient.
   • Les participants trouvaient la troisième marche (la dernière) beaucoup plus confortable et naturelle que la première, quelle que soit la marche imposée.
   • L'analogie : C'est comme mettre un nouveau vêtement un peu raide. Au début, ça gratte et ça gêne. Après quelques minutes, votre corps s'habitue, vous vous détendez, et soudain, vous ne le sentez presque plus. Le corps humain est un expert pour s'adapter à l'inconfort.

3. La force physique : Le robot a dû pousser un peu plus fort quand il utilisait la marche "Hasard" (aléatoire) par rapport à la marche standard, ce qui montre que la marche aléatoire était plus difficile à suivre. Mais la marche "sur mesure" n'a pas été significativement plus facile que la marche standard.

💡 La leçon à retenir

Cette étude nous apprend une chose fondamentale sur la relation entre l'humain et le robot :

Adapter le robot à l'humain (personnalisation) est une excellente idée sur le papier, mais dans la pratique immédiate, ce n'est pas encore magique.

Si le robot est trop rigide et que le système n'est pas parfaitement conçu (comme des sangles qui serrent trop), le fait d'avoir une marche "sur mesure" ne suffit pas à rendre l'expérience agréable. Ce qui compte le plus, c'est le temps d'adaptation. Le corps humain a besoin de quelques minutes pour dire : "Ok, je comprends ce robot, on peut travailler ensemble."

En résumé :
Ne vous attendez pas à ce que la "personnalisation" règle tous les problèmes du jour au lendemain. Pour que les exosquelettes soient vraiment confortables, il faut d'abord que le système soit doux et que l'utilisateur ait le temps de s'y habituer. La personnalisation est la cerise sur le gâteau, mais il faut d'abord avoir un bon gâteau (un système ergonomique et adaptable) !

Résumé technique

1. Problématique et Contexte

Les exosquelettes de marche sont de plus en plus utilisés pour l'augmentation des performances, l'assistance et la rééducation. Une stratégie courante consiste à imposer des trajectoires articulaires prédéfinies (guidage rigide) pour garantir la sécurité et la stabilité, en particulier pour les utilisateurs ayant des déficiences sensorimotrices sévères.

Cependant, la marche humaine est intrinsèquement individuelle, façonnée par l'âge, le genre, la morphologie et la vitesse. Bien que des méthodes de personnalisation des patrons de marche aient été développées (basées sur des modèles biomécaniques ou l'apprentissage automatique), il existe un manque de preuves empiriques quant à l'impact subjectif de cette personnalisation. La question centrale est de savoir si l'effort computationnel nécessaire pour générer des trajectoires personnalisées se traduit par une meilleure expérience utilisateur (confort, naturel, plaisir) par rapport à des patrons standards ou aléatoires, surtout dans un contexte de guidage rigide.

2. Méthodologie

A. Dispositif Expérimental : Un Exosquelette Multi-Plan
L'étude a utilisé un exosquelette modifié basé sur le Lokomat® (développé au laboratoire SMS de l'ETH Zurich), offrant un degré de liberté (DoF) accru par rapport aux versions commerciales :

• 12 DoF au total : 6 au niveau du bassin, 2 par hanche, 1 par genou.
• Actionnement : 7 DoF sont actionnés (bassin latéral, flexion/extension et abduction/adduction des hanches, flexion/extension des genoux).
• Contrôle : Un contrôleur proportionnel-dérivé (PD) rigide a été utilisé pour imposer les trajectoires avec une compliance minimale, afin de rendre les différences de patrons plus perceptibles.

B. Modèles de Prédiction et Patrons de Marche
Trois conditions de patrons de marche ont été testées sur 10 participants sains (5 hommes, 5 femmes) :

1. Patron Personnalisé : Généré pour chaque participant à l'aide de modèles de régression entraînés sur une base de données publique (42 sujets). Ces modèles prédisent les trajectoires du bassin, de la hanche et du genou en fonction de la vitesse de marche, de la taille, du poids, de l'âge et du genre.
2. Patron Standard : Moyenne des patrons de marche de la base de données, ajustée pour la vitesse.
3. Patron Aléatoire : Un patron sélectionné au hasard dans la base de données (servant de référence physiologique plausible mais non adaptée).

C. Protocole Expérimental

• Design : Étude intra-sujet avec 3 essais de 2 minutes chacun (ordre pseudo-aléatoire).
• Vitesse : Fixée à 1,8 km/h (ou 2,0 km/h sur demande).
• Mesures :
  • Subjectives : Questionnaires évaluant l'intérêt/plaisir (Intrinsic Motivation Inventory), le confort (physique et général), le naturel, et la passivité (échelle de Likert 1-7).
  • Objectives : Forces d'interaction homme-robot mesurées au niveau des capteurs de force des genoux.
• Analyse Statistique : Modèles linéaires mixtes (LMM) pour évaluer les effets du type de patron et de l'ordre des essais, et tests de Friedman pour les classements.

3. Résultats Clés

A. Précision des Modèles
Les modèles de prédiction ont généré des trajectoires avec une précision similaire, que ce soit pour les patrons personnalisés ou standards (erreurs quadratiques moyennes - RMSE - comparables entre les deux approches par rapport aux données réelles).

B. Expérience Utilisateur (Subjectif)

• Aucune différence significative n'a été trouvée entre les conditions (Personnalisé, Standard, Aléatoire) concernant le plaisir, le confort global ou le naturel perçu.
• Effet d'adaptation : Le facteur le plus déterminant était l'ordre des essais. Les participants ont significativement mieux noté le troisième essai (le dernier) en termes de confort et de naturel par rapport au premier, indépendamment du patron de marche utilisé. Cela suggère une adaptation rapide au système.
• Contrainte physique : Une contrainte physique légèrement plus élevée a été rapportée pour le patron personnalisé par rapport au standard, mais cela ne s'est pas traduit par une différence significative de force d'interaction.

C. Forces d'Interaction

• Les forces d'interaction au niveau du genou étaient significativement plus élevées pour le patron aléatoire par rapport au patron standard.
• La différence entre le patron personnalisé et le standard n'était pas statistiquement significative (bien que tendant vers des forces plus élevées pour le personnalisé sur la jambe gauche).

4. Contributions et Signification

Contributions Techniques :

• Développement et validation d'un modèle cinématique complet pour un exosquelette à 12 DoF avec actionnement actif du bassin et des hanches.
• Implémentation d'un cadre de prédiction de patrons de marche basé sur des données, intégrant des facteurs démographiques et anthropométriques pour générer des trajectoires personnalisées en temps réel.

Signification Scientifique et Clinique :

• Impact limité de la personnalisation à court terme : Pour des utilisateurs sains, la personnalisation des cinématiques n'améliore pas significativement l'expérience subjective à court terme par rapport à un patron standard ou même aléatoire, tant que le guidage reste rigide.
• Primauté de l'adaptation : L'adaptation de l'utilisateur au système (ergonomie, rigidité du guidage) a un impact plus fort sur la perception que la précision du patron de marche lui-même.
• Limites du guidage rigide : Le fait que les utilisateurs ne distinguent pas les patrons suggère que la rigidité du système et les interfaces (sangles, tissus mous) masquent les subtilités des trajectoires personnalisées.
• Implications pour la rééducation : Pour les patients sévèrement atteints, le guidage rigide peut être rassurant. Cependant, pour maximiser le confort et le naturel, les futures recherches devraient explorer des contrôleurs plus souples (compliance) ou des stratégies sans trajectoire prédéfinie, où la personnalisation pourrait se manifester plus clairement.

Conclusion

Cette étude pilote démontre que, dans un contexte de guidage rigide, la simple personnalisation cinématique ne suffit pas à améliorer l'expérience utilisateur à court terme. La conception des contrôleurs robotiques doit intégrer non seulement la personnalisation des trajectoires, mais aussi la gestion de l'adaptation de l'utilisateur et la réduction de la rigidité perçue pour que les bénéfices de la personnalisation deviennent perceptibles.