Rafael Aleluia Porto, Attaché temporaire d'enseignement et de recherche (ATER) à l'INSA Strasbourg, soutiendra sa thèse le jeudi 14 janvier à 9h30.

Le titre de sa thèse est « Modélisation et commande avec apprentissage d’endoscopes flexibles robotisés ».

Cette soutenance se déroulera en anglais et sera réalisée de manière partiellement dématérialisée à l’IHU Strasbourg (salle Hygie), 1 place de l’hôpital à Strasbourg.

Le jury est composé de :

• Michel de Mathelin, professeur, Université de Strasbourg, directeur de thèse
• Florent Nageotte, maître de conférence, Université de Strasbourg, encadrant
• Tanneguy Redarce, professeur, INSA Lyon, rapporteur
• Brahim Tamadazte Brahim, chargé de recherche, CNRS, FEMTO-ST, rapporteur
• Nabil Zemiti, maître de conférence, Université de Montpellier, examineur
• Edouard Laroche, professeur, Université de Strasbourg, examinateur

Résumé :
Dans le contexte des chirurgies mini-invasives, les endoscopes flexibles et les instruments chirurgicaux à câble sont des outils essentiels. Dans les systèmes robotiques médicaux, la transmission par câble permet de contrôler les effecteurs distaux à l’intérieur du patient à partir de moteurs externes situés du côté proximal. Cependant, des non-linéarités sont introduites en raison de l’interaction entre les câbles et les gaines à l’intérieur des outils endoscopiques. Un effet conventionnel qui peut être observé est la présence de cycles d’hystérésis entre la position des câbles du côté proximal et la position de l’extrémité distale. Dans cette thèse, un nouveau modèle cinématique inverse qui peut prendre en compte des non-linéarités complexes est proposé pour les systèmes flexibles couplés et découplés, ainsi qu’une extension pour tout type de système robotique. Le concept de base des techniques développées consiste à combiner la modélisation géométrique classique avec des techniques d’apprentissage automatique. Cela permet d’obtenir un modèle cinématique précis, efficace et capable de gérer les effets d’hystérésis. La précision du positionnement est améliorée par rapport à d’autres approches basées sur l’apprentissage, avec une phase d’entraînement beaucoup plus rapide, comme l’ont montré les expériences menées sur la plateforme robotique STRAS.

Abstract:
In the context of minimally invasive surgeries, flexible endoscopes and cable-driven flexible instruments are essential tools. In robotic systems, cable transmission allows to control distal effectors inside the patient from external motors located at the proximal side. However, non-linearities are introduced due to the interaction between the cables and the sheaths inside the endoscopic tools shafts. A common effect that can be observed is the presence of a hysteresis characteristic between the position of the cables at the proximal side and the distal tip position. In this thesis, a novel position inverse kinematic model that can take into account complex non-linearities is proposed for both coupled and uncoupled flexible systems, as well as an extension for any kind of robotic system. The core concept of the developed techniques is to combine classic kinematic modeling with supervised machine learning techniques. This allows for a precise, yet efficient, inverse kinematic model that can handle hysteresis effects. The positioning accuracy is improved compared to other learning-based approaches with a much faster training phase as has been shown on experiments on the STRAS robotic platform.