exit

Ingénierie et systèmes   > Accueil   > Ingénierie cognitique   > Numéro

Vol 1 - Numéro 1

Ingénierie cognitique


Liste des articles

Classification des Systèmes Cobotiques
Jean-Marc Salotti, Eric Ferreri, Olivier Ly, David Daney

La classification des systèmes cobotiques est difficile car il existe de nombreux critères pour décrire la collaboration homme robot. Après état de l’art et définition des termes, nous proposons d’étudier les flux d’informations entre le cobot, au sens le plus large du terme, l’humain, l’environnement, et l’interface afin de caractériser les différents types de collaboration. La représentation sous la forme d’un schème de l’interaction s’avère riche et pertinente. Dix exemples sont analysés et discutés. Plusieurs schèmes présentent des caractéristiques discriminantes qui permettent de qualifier les systèmes cobotiques. On distingue ainsi le système symbiotique, avec un échange constant d’informations et un partage efficace de la tâche, l’humain augmenté, la sous-traitance, l’assistance à l’effort et l’assistance intelligente.


Central Pattern Generators (CPG) biomimétiques en temps-réel sur FPGA pour des expérimentations biohybrides
Matthieu Ambroise, Sébastien Joucla, Blaise Yvert, Sylvain Saïghi, Timothée Levi

L’hybridation est une technique qui consiste à interconnecter un réseau de neurones biologiques et un réseau de neurones artificiels. Elle est notamment utilisée dans la recherche en neuroscience et à des fins thérapeutiques. L’objectif à long-terme est de remplacer les réseaux de neurones endommagés par des systèmes artificiels. Ceux-ci requièrent le développement de modèles de neurones dont l’activité électrique est similaire à l’activité des réseaux biologiques vivants. Cette correspondance permet de produire une stimulation adéquate afin de restaurer la fonction neurale désirée.
Dans cet article, un réseau de neurones artificiels numériques avec une architecture configurable a été réalisé. Le réseau de neurones artificiels permet d’émuler l’activité de CPGs (Central Pattern Generator), à l’origine de la locomotion chez les animaux. Cette activité permet de déclencher une série de stimulations sur une moelle épinière lésée et de recréer ainsi la locomotion précédemment perdue. Ces résultats sont une première étape vers des solutions hybrides artificiel / biologique basées sur la micro-stimulation électrique pour la restauration de fonctions du Système Nerveux Central (SNC).


Implémentation numérique de neurones biomimétiques stochastiques
Filippo Grassia, Takashi Kohno, Timothée Levi

Des millions de personnes à travers le monde sont affectées par des troubles neurologiques qui nuisent à la bonne communication entre le cerveau et le corps. Le développement de neuroprothèses aura un impact social sur la qualité de vie des patients. Ces neuroprothèses sont conçues sur la base de nos connaissances des interactions des cellules neuronales, en partant des activités spontanées intrinsèques des réseaux de neurones jusqu’à la stimulation des réseaux de neurones afin d’obtenir un état ou comportement spécifique. L’objectif à long-terme de remplacer les réseaux de neurones endommagés par des systèmes artificiels requiert le développement de modèles de neurones dont l’activité est similaire à l’activité électrophysiologique des réseaux biologiques vivants : ce sont les réseaux de neurones artificiels biomimétiques (SNN). En raison de leurs structures parallèles, les réseaux neuronaux sur puce peuvent simuler des activités neuronales biologiques, ce qui permettra de réaliser un réseau comparable à celui du cerveau humain dans un futur proche. Cette étude explore la faisabilité de l’implémentation de neurones biomimétiques stochastiques sur FPGA, avec un modèle de neurone à deux dimensions. La stochasticité est ajoutée par une source de bruit reproduisant le bruit synaptique biologique dans le neurone biomimétique. Les résultats expérimentaux ont confirmé la validité de la mise en oeuvre stochastique, ce qui rend ces neurones artificiels plus proche de la biologie.

Autres numéros :

2024

Volume 24- 7

Numéro 1
Numéro 2

2023

Volume 23- 6

Numéro 1

2021

Volume 21- 5

Numéro 1

2020

Volume 20- 4

Numéro 1

2019

Volume 19- 3

Numéro 1

2018

Volume 18- 2

Numéro 1

2017

Volume 17- 1

Numéro 1