Correction de gestes humains à risque lors d'interaction humain-objet-robot

Offre de thèse

Date limite de candidature

31-08-2026

Date de début de contrat

01-10-2026

Directeur de thèse

RAHARIJAONA Thibaut

Encadrement

Le doctorant bénéficiera d'un encadrement régulier au sein du LCFC, avec un suivi scientifique continu, des réunions périodiques d'avancement et un accompagnement dans sa formation doctorale et ses activités de recherche.

Type de contrat

Enseignement supérieur

Candidater à cette offre

école doctorale

IAEM - INFORMATIQUE - AUTOMATIQUE - ELECTRONIQUE - ELECTROTECHNIQUE - MATHEMATIQUES

équipe

contexte

Les troubles musculo-squelettiques (TMS) constituent l'une des principales causes de maladies professionnelles et sont souvent liés à l'adoption de postures inadaptées lors de tâches répétitives. Dans le contexte de l'Industrie 5.0, les robots collaboratifs offrent de nouvelles perspectives pour assister les opérateurs et améliorer leurs conditions de travail. Toutefois, les approches actuelles intègrent rarement à la fois la prédiction du mouvement humain, l'évaluation ergonomique et la correction proactive des gestes. Cette thèse se situe à l'interface de la robotique collaborative, de l'intelligence artificielle et de l'ergonomie afin de développer des systèmes capables de prévenir les risques liés aux gestes professionnels.

spécialité

Automatique, Traitement du signal et des images, Génie informatique

laboratoire

LCFC Laboratoire de Conception Fabrication Commande

Mots clés

Interaction humain-robot, Apprentissage par imitation, Ergonomie

Détail de l'offre

Les troubles musculo-squelettiques (TMS) constituent l'une des principales causes de maladies professionnelles et sont souvent liés à l'adoption de postures inadaptées lors de tâches répétitives. Cette thèse développe des méthodes permettant à un robot collaboratif de détecter, prédire et corriger en temps réel les gestes présentant un risque ergonomique lors d'interactions humain-objet-robot. À partir de données de mouvements experts et non experts acquises dans des scénarios industriels, des modèles probabilistes du mouvement humain sont construits afin d'anticiper l'apparition de postures à risque et d'en estimer le niveau ergonomique. Le robot apprend ensuite, par apprentissage par imitation, à assister l'opérateur en corrigeant ses mouvements via l'objet manipulé tout en respectant son intention. Les travaux contribuent au développement de systèmes robotiques collaboratifs centrés sur l'humain, capables d'améliorer la sécurité, l'ergonomie et le bien-être au travail.

Keywords

Human-robot interaction, Imitation learning, Ergonomy

Subject details

Musculoskeletal disorders (MSDs) are among the leading causes of occupational diseases and are often associated with the adoption of inadequate postures during repetitive tasks. This PhD project develops methods that enable a collaborative robot to detect, predict, and correct, in real time, movements associated with ergonomic risks during human–object–robot interactions. Based on motion data collected from expert and non-expert operators in industrial scenarios, probabilistic models of human motion are developed to anticipate the occurrence of risky postures and assess their ergonomic impact. The robot then learns, through imitation learning, to assist the operator by correcting movements via the manipulated object while respecting the operator's intentions. This research contributes to the development of human-centered collaborative robotic systems capable of improving workplace safety, ergonomics, and well-being.

Profil du candidat

-Formation : Master ou diplôme d'ingénieur en robotique, mécatronique, automatique, intelligence artificielle ou domaine connexe.
-Compétences techniques : bonnes connaissances en programmation (Python/C++), apprentissage automatique, vision par ordinateur ou robotique, avec un intérêt pour la modélisation du mouvement humain.
-Qualités personnelles : autonomie, rigueur scientifique, esprit d'initiative et aptitude au travail en équipe dans un environnement de recherche pluridisciplinaire.

Candidate profile

-Education: Master's degree or Engineering degree in Robotics, Mechatronics, Control Engineering, Artificial Intelligence, or a related field.
-Technical skills: Strong knowledge of programming (Python/C++), machine learning, computer vision, or robotics, with an interest in human motion modeling.
-Personal qualities: Ability to work independently, scientific rigor, proactive mindset, and strong teamwork skills within a multidisciplinary research environment.

Référence biblio

[1] Saeed, S., Rehman, H. Z. U., Hussain, M. U., Khan, M. U., & Saeed, M. T. (2026). Performance Investigation of ML Algorithms for Potato Blight Classification: The Role of Hyperparameter Tuning. Journal of Crop Health, 78(2), 39.
[2] Ibrahim, M. H., Mohsin, M. A., Hussain, M. U., Nazeer, H., & Naseer, N. (2023, November). Design and Development of Assistive Ankle Exoskeleton for Rehabilitation using Electromyography. In 2023 25th International Multitopic Conference (INMIC) (pp. 1-6). IEEE.