ENGINEERINGNET.BE - Dans les domaines des neurosciences et de l'ingénierie biomédicale, la modélisation précise des mouvements complexes de la main humaine a longtemps constitué un défi majeur.
Les modèles actuels ont souvent du mal à capturer l'interaction complexe entre les commandes motrices du cerveau et les actions physiques des muscles et des tendons.
Cette lacune entrave non seulement les progrès scientifiques, mais limite également le développement de neuroprothèses efficaces destinées à restaurer la fonction de la main chez les personnes amputées ou paralysées.
Le professeur Alexander Mathis de l'EPFL et son équipe ont ainsi développé une approche innovante basée sur l'intelligence artificielle qui permet de mieux comprendre ces fonctions motrices complexes.
L'équipe a fait preuve d'innovation en utilisant une stratégie d'apprentissage automatique qui combine l’apprentissage par renforcement basé sur un curriculum avec des simulations biomécaniques détaillées.
Leurs recherches présentent un modèle dynamique détaillé et anatomiquement précis du mouvement de la main, inspiré directement de la manière dont les humains apprennent des compétences motrices complexes.
Cette étude, qui a remporté le défi MyoChallenge lors de la conférence NeurIPS en 2022, a également été publiée dans la revue Neuron. (Auteur: Michael David Mitchell - Source: EPFL)
