Julien Baumeyer

Cette thèse se place dans un contexte médical de traitements oncologiques, plus particulièrement en protonthérapie robotisée. L’objectif de cette thèse, réalisée sous contrat Cifre avec la société LEONI CIA Cable Systems, est le développement d’une commande en co-manipulation sûre dédiée à un robot médical sériel. Cette commande doit permettre à un opérateur de manipuler intuitivement et précisément un robot de grande inertie positionneur de patients. Les contributions portent sur deux axes, d’une part le développement et l’implémentation sur le robot Orion de l’entreprise LEONI CIA Cable Systems d’une commande en admittance ainsi que la comparaison de trois dispositifs haptiques, et d’autre part le développement d’un mécanisme de détection de collisions proprioceptif permettant l’amélioration de la sécurité de fonctionnement. À partir d’une revue de la littérature concernant les commandes compliantes, nous avons développé et implémenté une commande en admittance dédiée au robot Orion en tenant compte de la discrétisation de la commande par le contrôleur spécifique de ce robot. Une expérience de comparaison sur le robot nous a permis d’identifier le dispositif haptique le mieux adapté au cas clinique considéré. Après une étude de l’état de l’art des mécanismes de détection de collisions, une approche fréquentielle de la modélisation du couple axial prenant en compte les rapports de réduction élevés et de technologie différente du robot a été proposée. Elle permet de modéliser finement le couple théoriquement fourni par les moteurs ; celui-ci est ensuite comparé avec la mesure du couple réellement produit afin de détecter une éventuelle collision.

Magnetic Particle Inspection (MPI) is one of the most used methods in Non-Destructive Testing (NDT), allowing precise and robust defect detection on industrial-grade manufactured parts. However, human controllers perform this task in full black environments under UV-A lighting only (with safety glasses) and use chemical products in a confined environment. Those constraints tends to lower control performance and increase stress and fatigue. As a solution, we propose an AI-based assistive machine (called “PARADES”) inside the hazardous environment, remotely manipulated by a human operator, outside of the confined area, in cleaner and safer conditions. This paper focuses on the development of a complete industrial-grade AI machine, both in terms of hardware and software. The result is a standalone assistive AI-based vision system, plug-and-play and controller-friendly, which only needs the usual power supply 230 V plug that detects defects and measures defect length. In conclusion, the PARADES machines address for the first time the problem of occupational health in MPI with an industrial standalone machine which can work on several parts and be integrated into current production lines. Providing cleaner and healthier working conditions for operators will invariably lead to increased quality of detection. These results suggest that it would be beneficial to spread this kind of AI-based assistive technology in NDT, in particular MPI, but also in Fluorescent Penetrant Testing (FPT) or in visual inspection.