Le 23 mai dernier, Mark Zuckerberg a annoncé que des chercheurs du laboratoire de recherche en IA de Meta et du laboratoire de modélisation et d’ingénierie neuromécaniques de l’Université de Twente aux Pays-Bas, dirigé par le professeur Massimo Sartori, avaient collaboré au développement d’un framework open source nommé « MyoSuite », qui combine des modèles musculo-squelettiques avancés avec une IA avancée. Les modèles numériques alimentés par l’IA de MyoSuite peuvent apprendre à exécuter des mouvements complexes et des interactions avec des robots d’assistance, ce qui exigerait de longues expérimentations sur de vrais sujets humains. Ils ont intitulé leur étude « Myosuite, A contact-rich simulation suite for Musculoskeletal motor control ».
Le comportement moteur d’un être intelligent est complexe. Pour l’appréhender, les Drs Vikash Kumar et Vittorio Caggiano de Meta AI Research se sont associés au
Professeur Massimo Sartori ainsi qu’aux Drs Huawei Huang et Guillaume Durandau de l’Université de Twente, à Enschede, aux Pays-Bas pour développer MyoSuite : un ensemble de modèles et de tâches musculo-squelettiques qui permettent l’application de ML pour résoudre des problèmes de contrôle biomécanique. MyoSuite associe les deux faces de l’intelligence : motrice et neuronale.
La biomécanique
La biomécanique vise à étudier les fonctions et les propriétés du mouvement du corps humain, elle est très utile pour créer des équipements adaptés au corps humain (sièges, bureaux, voitures…), améliorer les performances sportives, dans le domaine de la santé…
Cependant, la biomécanique humaine est très complexe et exige une coordination efficace entre le système nerveux central, où les décisions sont synthétisées par des réseaux de milliards de neurones, et le système musculo-squelettique périphérique, qui traduit ces intentions en actions.
Explorer le contrôle moteur musculo-squelettique grâce au ML
Les algorithmes ML sont rarement utilisés pour explorer des situations complexes de contrôle moteur telles que le contrôle musculo-squelettique.
Il existe des frameworks in silico qui, à l’image d’OpenSim, contiennent des modèles musculo-squelettiques physiologiquement détaillés, mais ils n’ont cependant pas la capacité d’interaction complexe avec le monde physique en dehors du corps de l’agent. Selon les chercheurs, « ces cadres existants ne sont ni intégrés dans des tâches motrices complexes et habiles, ni suffisamment efficaces ou évolutifs en termes de calcul pour satisfaire les besoins en données des algorithmes ML. MyoSuite comble ces lacunes. »
La plateforme MyoSuite a été conçue pour étudier les détails physiologiques derrière le contrôle moteur musculo-squelettique. Elle comprend un ensemble complet de modèles musculo-squelettiques précis qui prennent en compte la dynamique musculo-squelettique et ses interactions temporelles, comme la fatigue musculaire ou la sarcopénie, qui touche l’être humain vers la cinquantaine, lorsque la masse et la force musculaires diminuent de manière significatives, entraînant par exemple des troubles de la marche ainsi que des tâches comportementales quotidiennes, la rééducation des blessures et l’assistance prothétique/exosquelette.
Les modèles musculo-squelettiques de MyoSuite sont selon l’équipe jusqu’à 4 000 fois plus rapides que les autres simulateurs pour répondre aux exigences de données des algorithmes ML modernes.
Le Pr Massimo Sartori déclare:
« Tout cela est réalisé en combinant une modélisation musculo-squelettique de pointe avec une intelligence artificielle de pointe pour la synthèse du comportement du mouvement. »
Applications dans le monde réel
MyoSuite synthétise les comportements, mais peut aussi faciliter les applications ayant des implications réelles, comme la rééducation, la chirurgie et les dispositifs d’assistance à autonomie partagée.
Les chercheurs ont pris l’exemple d’une déchirure tendineuse, MyoSuite a modélisé le transfert tendineux, une technique usuelle pour récupérer la fonctionnalité en raison d’un tendon déchiré. Elle a ensuite simulé le résultat d’une intervention chirurgicale et l’impact qu’elle aura sur la rééducation fonctionnelle.
Cette recherche pourrait avoir un impact significatif pour le développement de prothèses et la rééducation post-traumatique, car MyoSuite a généré des mouvements physiologiquement réalistes, tels que faire tourner un stylo ou manipuler des balles de Baoding, dans les moindres détails. L’équipe l’a publiée en open source et lancera prochainement MyoChallenge, une piste de compétition NeurIPS où la communauté ML sera invitée à participer à la résolution de deux défis de dextérité parmi les plus difficiles : la réorientation du dé et la rotation simultanée de deux balles de Baoding.
Sources de l’article :
MYOSUITE: A CONTACT-RICH SIMULATION SUITE FOR MUSCULOSKELETAL MOTOR CONTROL
Vittorio Caggiano (Meta AI Research), Huawei Wang (University of Twente), Guillaume Durandau (University of Twente), Massimo Sartori (University of Twente), Vikash Kumar (Meta AI Research)
https://sites.google.com/view/myosuite/myosuite?authuser=0 https://drive.google.com/file/d/10Le1OmOpy-Veb7n41ywrYLxyipoGfHtt/view
