Conception d’interface virtuelle pour commander un bras robotique

Télécharger le fichier pdf d’un mémoire de fin d’études

Les aides techniques

La dépendance physique a des répercussions sur la vie quotidienne avec son entourage médico-social et familial. Cette dépendance diminue la qualité de vie des personnes concernées et de leur entourage.
Par exemple, la tétraplégie qui affecte les quatre membres est souvent due à un traumatisme au niveau des vertèbres ou des cervicales. Néanmoins la tétraplégie peut aussi survenir à la suite des maladies neuromusculaires, de la paralysie cérébrale, de la sclérose en plaques, ainsi que d’autres maladies. La tétraplégie est aussi souvent associée à divers troubles neurologiques cognitifs et/ou sensoriels qui peuvent rendre l’interaction avec une interface ou leur environnement plus difficile.
La prise en charge, le dépistage, le diagnostic et les soins prodigués auprès de ces personnes ont permis d’augmenter leur espérance de vie [B. Azéma, N. Martinez 2005]. Il faut tout de même tenir compte d’autres événements de la vie quotidienne (vieillissement, maladies, accidents) qui engendrent des difficultés supplémentaires et augmentent la dépendance vis-à-vis de l’environnement. A ce stade, économiser les forces devient primordial. Les technologies de suppléance ont pour objectif de réaliser les activités de la personne en toute autonomie avec un minimum de fatigue.

L’influence des différentes affections sur l’usage des aides techniques

L’usage d’une aide technique par des personnes en situation de handicap moteur est soumis à plusieurs contraintes. Le handicap moteur provoque généralement une fatigabilité rapide qui peut restreindre la durée d’utilisation d’une aide technique dans des conditions optimales [C. Bérard 2004], [F. Vella et N. Vigouroux 2007].
Une faible coordination des mouvements peut empêcher l’utilisation ou augmenter la difficulté d’accessibilité à toutes ou certaines fonctionnalités des aides techniques qui nécessitent plusieurs mouvements pour interagir. La capacité de préhension peut être limitée, ce qui peut rendre difficile la prise en main d’un dispositif. De plus, un manque de sensation, des tremblements, des spasmes peuvent provoquer des erreurs d’interaction ce qui augmente le temps pour réaliser une tâche. Pour pallier ces problèmes, il faut adapter l’aide technique pour permettre à la personne d’être plus précise et plus efficace.
L’une des adaptations consiste par exemple à ralentir l’interaction avec une aide technique, pour diminuer l’effet des mouvements involontaires, ce qui augmente la précision d’atteinte d’une cible3. A l’inverse, un manque de force et une lenteur du mouvement, peuvent nécessiter une accélération (sensibilité du curseur) de l’interaction pour aider la personne en situation de handicap à atteindre les menus, les icônes et les applications qui nécessitent une grande distance de mouvement. De plus, cela évite une grande fatigue due à l’usage de la technique dans le temps.
Il est à noter que ces différentes affections, vont influencer les habiletés motrices des membres supérieurs des personnes en situation de handicap. Cette différence va varier suivant les pathologies mais aussi au sein d’une même pathologie. De plus, l’interaction de l’homme avec une machine (Interface Homme-Machine, IHM), se fait généralement avec les mains, (clavier, souris, tactile …). Dans la suite de ce manuscrit, nous ne nous intéresserons plus qu’aux personnes ayant une déficience motrice au niveau des membres supérieurs.

La capacité d’interaction

Ces aides doivent être adaptées à la déficience motrice de la personne pour qu’elle soit maître de son interaction. Le choix des dispositifs dépend des mouvements possibles des membres supérieurs de la personne, mais aussi, de sa capacité à effectuer les mouvements nécessaires en se fatiguant le moins possible. Plus la capacité motrice de la personne est importante plus la quantité de dispositifs qu’il pourra utiliser sera variée (Figure 2).

La taxonomie des techniques d’interaction

Pour faciliter l’interaction nous avons 2 approches possibles, soit agir sur la cible, soit agir sur le curseur.

Les techniques d’interaction qui agissent sur la cible

Une cible, un bouton d’interaction, est définie par sa taille. Plus elle est petite, plus difficile sera l’atteinte de celle-ci. Elle est aussi définie par sa position à l’écran. C. Appert et al. (2008), ont proposé une étude sur des cibles qui seraient sur le bord d’un écran. La largeur de la cible sur le bord d’un écran peut être dite infinie. En effet, lorsque le curseur arrive sur le bord de l’écran, il est arrêté et contenu dans la cible. De plus, le mouvement correctif est diminué puisque le bord de l’écran bloquera automatiquement les mouvements balistiques trop amples (Figure 6).
Mais la taille et la position d’une cible ne sont pas les seules solutions, il est possible de donner de l’intelligence à une cible par : l’automatisation des cibles, le grossissement des cibles, le déplacement des cibles et la diminution du nombre de cibles.

Automatisation des cibles

La première méthode va consister à valider automatiquement les cibles sans effectuer un clic souris. Le Goal Crossing (Figure 7) consiste à valider automatiquement une cible traversée par le mouvement du curseur [J. Accot, S. Zhai, 1997 et 2002]. La cible ne nécessite plus un arrêt dessus. Ceci permet, comme pour la cible en bord d’écran, d’avoir une largeur de cible dite infinie pour arrêter le mouvement. La difficulté d’atteinte dépend donc de la taille de la cible qui détermine l’angle d’approche pour l’atteindre. L’avantage pour des personnes en situation de handicap moteur, est que cette technique permet d’enlever la difficulté de l’appui sur le bouton de la souris. Toutefois, l’un des inconvénients de cette technique est que si d’autres cibles sont sur le trajet de la cible à atteindre, il faudra effectuer un mouvement d’évitement pour ne pas les valider. I.S. MacKenzie, 1992, a proposé la technique du Stroke Through. Elle consiste à utiliser, en plus du Goal Crossing, un clic maintenu lors du passage sur une cible. Toutefois, elle n’a pas l’avantage de ne pas faire d’appui comme le Goal Crossing ; de plus l’action « glisser-lâcher » au-dessus d’une cible est plus contraignante qu’un pointage classique d’atteinte de cible en termes de précision (Avec une souris, 3,5% d’erreur au pointage et 10,8% d’erreur au « glisser-lâcher ») et de temps (Avec une souris, 674ms pour le pointage et 916ms pour le « glisser-lâcher ») [I.S. Mackenzie et al. 1991].
L’une des autres solutions, pour éviter le clic, est d’ajouter au bouton un délai. A la fin de ce dernier, si le curseur reste suffisamment longtemps dans une cible, l’action est automatiquement lancée. Cette solution est nommée Dwell Cliking (Figure 7). Elle peut être associée aussi à un effet de répétition si l’on reste encore plus de temps dans une cible. De plus, [A.M. Penkar et al. 2012] ont montré que plus le temps d’attente est élevé, plus la précision est élevée. Toutefois, cette solution demande un temps équivalent au pointage pour l’atteinte d’une cible. Mais en plus, il faudra attendre le temps de temporisation choisi pour cette technique. Cette technique est tout de même à retenir pour les personnes en situation de handicap pour lesquelles l’action de validation est impossible, voire difficile et fatigante.
Sur ce constat W. Feng et al. 2014, ont proposé comme technique le Reverse Crossing (Figure 7). Cette technique est similaire au Goal Crossing dans le sens où il suffit d’entrer et de sortir d’une cible pour qu’elle se valide. Toutefois, la sortie de la cible devra s’effectuer du même côté que son entrée. Ceci nécessite un changement de direction du mouvement dans la cible. Par contre, l’avantage est que le Reverse Crossing est plus rapide que le Dwell Cliking de 0,6 seconde. Il peut être un choix à privilégier face au Dwell Cliking. Il a tout de même un inconvénient : la précision du Reverse Crossing (79,3%) est inférieure à celle du Dwell Cliking (96,7%). La précision est directement liée à la taille de la cible ; si elle est suffisamment grande, ce défaut peut devenir négligeable.
Suite à des observations, pour les personnes en situation de handicap, l’automatisation des cibles a pour avantage d’éviter à la personne d’effectuer des validations qui peuvent être difficiles, douloureuses et fatigantes. De plus j’ai observé sur des personnes en situation de handicap que l’utilisation d’un dispositif de pointage peut nécessiter de lâcher et de reprendre le dispositif pour atteindre les boutons de validation ; l’automatisation est donc une solution pour permettre d’interagir sans lâcher le dispositif.

Grossissement des cibles

Grossissement de la taille visuelle de la cible

Augmenter la taille des cibles est une solution pour en faciliter l’atteinte avec précision. De plus, cela augmente la précision du Reverse Crossing [W. Feng et al. 2014], et diminue le temps de mouvement correctif pour l’atteinte de cible. C’est uniquement valable si l’espace moteur6 de l’utilisateur est aussi augmenté, ce qui se traduit par un mouvement plus important par l’utilisateur pour sortir d’une cible, lorsqu’il est dans la cible. Dans le cas contraire on parlera de Zoom ; que la cible soit grossie ou non, l’utilisateur devra effectuer le même mouvement pour en sortir. Il n’y aura aucun gain de temps, mais cela améliorera la lecture du contenu (label, image, etc.) des petites cibles pour des personnes qui auraient un trouble visuel.
Dans le cas d’un Fish-Eye (lentille de grossissement), l’espace moteur d’une cible va augmenter proportionnellement à la taille visuelle de la cible ; plus le curseur s’approche, plus celle-ci devient grande. M. McGuffin et R. Balakrishnan (2004) proposent 2 versions de grossissement. Dans la 1ère, les cibles peuvent se superposer mais les cibles qui grossissent vont en cacher d’autres. Dans la deuxième, la cible la plus grosse pousse ses voisines plus petites. S. Zhai et al. 2003, montrent que l’utilisateur peut facilement s’adapter à l’agrandissement des cibles et profiter de ses avantages. A. Firth et A. Cockburn (2003) montrent que le grossissement des touches permet une sélection plus rapide que des touches classiques. Toutefois, l’agrandissement de touches reste plus lent que le Goal Crossing [J. Accot et S. Zhai 2002]. M. Raynal, P. Truillet (2007) ont mis en place le Fish Eye sur un clavier de saisie virtuelle. Ils ont montré que les utilisateurs ont mis moins de temps, ont commis moins d’erreurs et ont parcouru moins de distances qu’avec un clavier virtuel classique. Le système BigKey [K. Al Faraj et al. 2009] est un clavier virtuel de prédiction qui va agrandir uniquement les touches prédites. Ce système permet un gain de l’ordre de 25% par rapport à un clavier virtuel classique.

Grossissement moteur de la cible sans changement graphique

Une autre possibilité est de grossir l’espace moteur associée à la touche sans changer son apparence. Une grande partie d’une interface est inutilisée ; à partir de ce constat, P. Baudisch et al. (2008) proposent deux techniques afin d’utiliser tout l’espace de l’interface. La première, nommée Voronoï, est basée sur l’algorithme de S. Fortune (1987), qui consiste à associer tout point de l’espace à la cible la plus proche (Figure 8 b). La deuxième, Starbust, consiste à créer des zones de taille égale pour chacune des touches. L’algorithme va créer, par rapport au centre des nuages de cibles, des trainées de chacune des cibles vers l’extérieur du nuage (Figure 8 c). Dans l’analyse des performances du Starburst, l’exécution de l’algorithme est plus longue à mettre en place. Mais le taux d’erreurs est de 4% pour le Starburst contre 10% pour le Voronoï. Pour le temps d’atteinte des cibles, il est équivalent lorsque les cibles sont espacées et peu nombreuses, sinon le Starburst donne un gain de temps de plus en plus important face au Voronoï.
Il existe une autre solution pour améliorer l’espace moteur d’atteinte de cibles. Le pointage sémantique, proposé par R. Blanch et al. (2004), en fait partie. Lors de l’entrée d’une cible, le CD Gain va varier afin d’augmenter la distance motrice parcourue dans la cible. Ceci donnera une impression de cible collante. De plus, la difficulté d’atteinte de cibles dépend de la taille de l’espace moteur et non de la taille visuelle, cela rend ces cibles plus simples d’atteinte. L’avantage que propose le pointage sémantique diminue si plusieurs cibles sont dans la trajectoire du mouvement de l’atteinte de la cible souhaitée [G. Casiez et al. 2011]. Une solution à ce défaut est d’ignorer des cibles en fonction du niveau d’accélération du curseur [R Blanch et al. 2004].
Le sticky icons proposé par N. Walker et al. (1997), est basé sur le principe de cibles collantes ; à l’approche d’une cible le CD Gain est diminué, ce qui permet d’atteindre plus facilement les petites cibles. Toutefois si le nombre de cibles est important, entre la cible que l’on veut valider et le point initial d’un mouvement, l’effet de cible collante va ralentir l’atteinte de la cible de façon importante. A. Firth et A. Cockburn 2003 proposent d’activer la fonction de colle en fonction de la vitesse ; si l’on est au-delà d’un certain seuil de vitesse, on suppose qu’il s’agit d’un mouvement balistique et qu’il n’est pas encore nécessaire d’améliorer la précision en ralentissant.
Le “Kinematic Endpoint prediction” proposé par L. Edward et al. 2007, J. Ruiz et al. 2009, utilise un système de prédiction, qui va grossir les cibles prédites, en fonction de la trajectoire du mouvement. Ce système augmente la précision d’atteinte de la cible ; il est toutefois dépendant de l’algorithme de prédiction, à savoir s’il agrandit correctement la bonne cible.
Les personnes en situation de handicap avec des mouvements involontaires, peuvent avoir des difficultés à rester sur une cible pour pouvoir la valider. Les solutions de grossissements des cibles permettent de rester et d’atteindre plus facilement des cibles. Toutefois cela nécessite un effort supplémentaire pour quitter une cible qui ne serait pas la bonne [R Blanch et al. 2004]. Ces solutions en réclament d’autres pour permettre de bien désigner la bonne cible.

Déplacement des cibles

P. Baudisch et al. (2003) ont mis au point deux techniques appelées Drag’n Pop ou Drag’n Pick (Figure 9). Le Drag’n Pick va créer un double des cibles à proximité du curseur ; les cibles doublées sont choisies en fonction d’un système de prédiction qui fonctionne à partir de la direction du mouvement. Pour le Drag’n Pop, c’est une évolution du Drag’n Drop : lors d’un Drag’n Drop, sur le même principe que le Drag’n Pick, les cibles qui peuvent interagir avec l’objet saisi (Par exemple un fichier texte qui peut interagir avec Word, Note pad, etc.) vont générer un double du raccourci à proximité du curseur. L’avantage de cette solution est de diminuer la distance parcourue pour atteindre une cible. Mais le principal défaut de cette technique est la capacité du système de prédiction à prédire les cibles à doubler.

Diminution du nombre de cibles aux travers d’une arborescence de menus

Le nombre de cibles pouvant être très important, Il est possible de créer des menus dans lesquels les utilisateurs vont se déplacer pour accéder, en différentes étapes, au menu souhaité. L’organisation d’un menu a une influence sur les performances de la personne. Ces menus sont présentés sous forme d’arborescence telle que le menu démarrer des systèmes Windows. Ce menu déroule différents sous-menus en colonne, ce qui nécessite un mouvement en ligne droite pour atteindre les différentes cibles (ici un sous-menu).
Parmi les menus nous retenons le PIE Menu [J. Callahan et al. 1988] qui est un menu circulaire (Figure 10). Les cibles sont distribuées dans un cercle autour du centre du menu. Le mouvement dans une direction depuis le centre peut être suffisant à la sélection d’un menu ou d’un sous-menu.
Au niveau des performances du PIE Menu (Figure 10) pour une simple sélection de commandes, [Callahan et al. 1988] montre que l’utilisateur réalise ses actions de 15 à 20% plus rapidement. De plus on parcourt moins de distance sur un PIE Menu par rapport au menu Linéaire ; les cibles sont donc plus faciles à atteindre si elles sont de même taille. Le PIE Menu permet une recherche visuelle rapide étant donné le nombre faible d’items dans les menus. De plus si le nombre de cibles devient trop important pour l’affichage (dépend des labels et des pictogrammes), il est possible d’augmenter le nombre de sous menus pour répartir dans les sous menus les différents boutons. Les Pie Menu classiques sont limités à l’exécution unique de commandes. Ils ne permettent pas le choix de valeur en dehors de boutons de valeurs fixées à l’avance ou d’un bouton « – » (Moins) et d’un bouton « + » (Plus) contrairement à des scroll bars ; ce qui s’avère non affordante et peu efficace.

Les techniques d’interaction qui agissent sur le curseur

Changement de la taille du curseur

P. Kabbash et W. Buxton (1995), proposent d’agrandir la zone d’interaction du curseur, lors d’une atteinte de cible. La difficulté induite ne provient plus uniquement de la taille de la cible mais aussi de celle du curseur quand ce dernier est plus grand. L’inconvénient est que plusieurs cibles peuvent se trouver dans la zone du curseur. N. Walker et al. (1997) ont proposé de combiner une zone de curseurs et un curseur. Le curseur est au centre de la zone. Si plusieurs cibles se trouvent dans la zone, c’est le curseur central qui permettra de sélectionner la bonne cible. Sur l’expérimentation de Walker et al. [1997], les résultats moyens d’atteinte de cible sont pour la zone de curseurs de 591ms pour les jeunes et de 1204ms pour les personnes âgées alors que pour le curseur normal il est de 759ms pour les jeunes et de 1894ms pour les personnes âgées. De plus dans leur discussion, ces auteurs soulignent que les résultats montrent que le curseur dans la zone n’améliore la technique que pour les cibles proches. Cette technique offre un avantage pour les personnes âgées qui peuvent avoir des difficultés pour atteindre de très petites cibles.
T. Grossman et R. Balakrishnan, (2005), proposent d’ajouter un changement dynamique sur la taille de la zone du curseur (Bubble Cursor). Lorsqu’une large zone (Figure 12 (a)) arrive sur une seule cible, elle est dîte « capturée » et donc validée. Par contre, si la zone contient 2 cibles (Figure 12 (b)) aucune des deux ne sera capturée. Lorsqu’un minimum de 2 cibles se trouve sous le curseur, la réaction du curseur sera de rétrécir la zone du curseur en gardant le même centre du curseur jusqu’à ce qu’une seule des 2 cibles soit dans la zone (Figure 12 (c) et (d)). Il pourra ainsi capturer la cible restante.
O. Chapuis et al. , 2009, ont proposé d’associer la taille dynamique de la zone du curseur à la vitesse de déplacement de cette dernière. Plus celle-ci est rapide, plus elle grandit jusqu’à une taille maximale. Dans le cas où plusieurs cibles se trouvent dans la zone, ce sera la plus proche du centre qui sera valide. A faible vitesse la zone se comportera tel un curseur classique. La technique est équivalente au Bubble Cursor soit 18% plus performante qu’un curseur classique.

Effet de la cible sur le mouvement du curseur

Il est aussi possible d’ajouter des effets de déplacements sur le curseur. Il faut différencier les éléments de l’interface qui permettent l’affichage d’information et les zones d’interaction. Sur une interface 98,9%, des pixels [R. Balakrishanan 2004] ne sont pas nécessaires à l’interaction.
Y. Guiard et al. (2004) proposent d’ignorer les pixels non utiles. A la sortie d’une zone utile, ils téléportent le curseur sur la cible la plus proche en tenant compte de la direction du mouvement. Cette technique se heurte à l’identification des zones non utiles, puisque en fonction de l’activité, le nombre de zones peut être important et petit.
T. Asano et al. (2005) proposent de coupler la téléportation du curseur avec un système de prédiction ; ce système se nomme « Delphian Desktop ». En fonction du pic d’accélération du déplacement du curseur et de la direction, le système prédit la cible que l’utilisateur souhaite atteindre, et le système amène le curseur sur la cible, en affichant un feedback. Il affiche un trait rouge qui représente le déplacement automatique du curseur entre le moment où s’est déclenché le mouvement et l’arrivée du curseur sur la cible. Ce système permet de diminuer significativement la distance que parcourt l’utilisateur pour atteindre une cible. Toutefois la prédiction n’est efficace qu’au-delà des cibles à plus de 800 pixels et le gain de temps est d’environ 100ms.
Une autre solution proposée par A. Hurst et al. (2007) est d’utiliser la connaissance d’usage de l’interface par l’utilisateur et d’ajouter sur cette interface de la poussière magnétique qui aura pour effet d’attirer le curseur vers les zones les plus utilisées.
Il est aussi possible de ralentir le mouvement, lors de l’apparition de sous mouvements, ce qui signifie en général le passage d’un mouvement balistique à un mouvement correctif. Cette approche nommée Point Assist montre une amélioration de la précision pour les jeunes enfants [J.P Hourcade et al. 2010] ainsi que pour les personnes âgées [J.P. Hourcade et al. 2008].
Fung et al. (2008) proposent de combiner les différents effets afin d’aider l’utilisateur à réaliser différentes tâches avec un curseur. Les effets sur le curseur sont la vitesse, l’attraction, la répulsion et le guidage. Ils nomment cette technique Kinematic Templates. Elle ajoute sur une interface un modèle d’interaction qui utilise ces différents effets. Ces derniers peuvent être spécifiques à une zone de l’interface ou combinés, ce qui permet d’associer à une zone de l’interface des effets d’interaction [Fung et al. 2008]. La Figure 13 montre un exemple de Kinematic Templates qui représente l’écran, la zone 1 ralentit le curseur dans une des directions, la zone 2 guide les mouvements du curseur sur une direction parallèle aux droites, la zone 3 attire vers son centre le curseur lorsqu’il s’approche de cette zone. Il y a une zone commune aux zones 1 et 2 ; sur cette zone commune les deux effets s’appliquent.

Les mouvements de plusieurs curseurs

Le Ninja Cursor (Figure 14) proposé par M. Kobayashi et T. Igarashi (2008), ajoute à l’interface plusieurs curseurs, tous synchronisés avec la souris. Ils permettent d’accéder plus rapidement à la cible. La présence de plusieurs curseurs permet sur de grands écrans de diminuer la distance parcourue. Dans le cas où plusieurs curseurs seraient sur une cible en même temps, un algorithme permet de choisir le bon curseur en désactivant les curseurs que l’on ne souhaite pas utiliser. La technique devient toutefois moins efficace que le pointage classique lorsque le nombre de curseurs et de cibles est important.
Une technique d’interaction utilisant le suivi du regard, nommée « MAGIC un Gaze pointing », a été proposée par S. Zhai et al. (1999). Le curseur est déplacé automatiquement dans la zone que regarde l’utilisateur. Il peut ensuite déplacer le curseur afin d’atteindre une cible à proximité, l’objectif étant d’éviter d’effectuer de grands mouvements d’atteinte de cible. Le suivi du regard a aussi été combiné au Ninja Cursor par R. Blanch et M Ortega 2009, nommé le « Rake Cursor ». Ici le curseur actif est désigné par le regard. Une étude classera le temps d’attente d’une cible du plus lent au plus rapide : le pointage classique, Magic et le plus rapide le Rake Cursor.

Interaction sans mouvement, ou avec mouvement automatique.

Précédemment nous avons vu comment améliorer l’utilisation d’un curseur et son mouvement. Seulement, des personnes en situation de handicap moteur des membres supérieurs dont les mouvements résiduels ne permettent pas le déplacement d’un curseur dans leur espace moteur, vont devoir utiliser des techniques d’interaction sans le déplacement du curseur.
Une autre combinaison est l’usage d’Area Cursor et de la synthèse vocale avec le Nine Cursor de L. Dai et al. (2014), Figure 15). Ici l’utilisateur a une grille de 9 zones à l’écran, il désigne vocalement l’une des zones ; si elle comporte plusieurs cibles une nouvelle grille est proposée dans la zone, jusqu’à n’avoir plus qu’une seule cible.
Une autre possibilité est aussi de s’extraire de la notion de mouvement du curseur. Il est possible de créer une interface sans mouvement en proposant les éléments sélectionnables de l’interface automatiquement. Cette technique d’interaction s’appelle le balayage ou le défilement. Chaque item sera proposé l’un après l’autre, suivant un chronomètre qui laisse le temps à l’utilisateur de sélectionner une cible. Pour des interfaces de grandes tailles, il sera plus intéressant de choisir, en premier, un ensemble de cibles avant d’en effectuer la sélection. Le choix d’un ensemble de cibles sur l’interface peut être important. Sur la Figure 16 sont proposées 3 solutions : la première en « ligne / colonne » a pour avantage de suivre le sens de la lecture du français. Nous posons comme hypothèse que cela va faciliter l’apprentissage en partant sur un acquis des personnes qui savent lire. La seconde, en sous matrice, va diminuer le mouvement du regard sur l’interface. Enfin la dernière, une sélection en diagonale, va réduire le temps d’accès moyen à toutes les touches. Plus le balayage avance de proposition en proposition, plus l’ensemble d’éléments proposé sera de plus en plus petit (exemple on commence par proposer un ensemble de 5 cibles suivie d’un ensemble de 4 cibles, etc.). Cela aura pour effet de diminuer le temps d’accès à la cible temporellement la plus éloignée.
Le balayage peut être aussi utilisé pour créer une nouvelle technique d’interaction avec un curseur contrôlé à partir d’un clavier (Figure 17). Par exemple, l’utilisateur va choisir le bouton haut du clavier, le curseur va se déplacer vers le haut tant que l’utilisateur maintiendra le clic. Il pourra ainsi utiliser toutes les possibilités qu’offre le déplacement d’un curseur. C’est l’application qui déplacera le curseur automatiquement en fonction des commandes entrées sur le clavier de balayage.

Table des matières

1. Quelles sont les situations de handicap en France ?
2. Le handicap moteur
3. Les aides techniques
3.1. L’influence des différentes affections sur l’usage des aides techniques
3.2. La capacité d’interaction
4. Objectifs de la thèse
Chapitre 1 : Etude de l’interaction chez les personnes handicapées moteur des membres supérieurs : méthodes et outils
1. Etude des mouvements d’interaction
1.1. Approche globale du mouvement
1.2. Etude des sous-mouvements
2. La taxonomie des techniques d’interaction
2.1. Les techniques d’interaction qui agissent sur la cible
2.2. Les techniques d’interaction qui agissent sur le curseur
2.3. Synthèse des techniques d’interaction
3. La méthode de conception centrée utilisateur
3.1. L’organisation de la méthode centrée utilisateur
3.2. Les outils de la conception centrée utilisateur
3.3. L’approche « Do it yourself »
4. Evaluation des tâches d’interactions
4.1. La Loi de Hick-Hyman
4.2. La loi de Fitts
4.3. Le modèle Soukoreff / Mackenzie
4.4. Le modèle GOMS
5. La variabilité entre individus
5.1. L’expérience du participant
5.2. L’âge du participant
5.3. Situation de handicap moteur d’un participant
6. Outils utilisés : MPH et ECSD
6.1. La plateforme MPH [Thèse F. Vella 2008]
6.2. ECSD pour l’analyse des couples participants dispositif
7. Choix du dispositif de la personne
7.1. Apparitus
7.2. Résultats et Discussion
7.3. Conclusion
8. Conclusion du chapitre 1
Chapitre 2 : Conception d’interface virtuelle pour commander un bras robotique
1. Introduction
2. Etude des commandes des bras de préhension
2.1. Histoire des bras robotiques de préhension
2.2. Les commandes de contrôle de bras robotique
2.3. Vers une plus grande accessibilité du bras JACO
3. Méthodologie de conception des interfaces
3.1. Brainstorming
3.2. Focus Group
3.3. Résultats et discussions du focus group
4. Protocole d’évaluation d’interface
4.1. Les participants à l’étude
4.2. Design d’expérimentation pour la technique de pointage et de Goal Crossing
4.3. Design d’expérimentation pour les interfaces JACO
5. Evaluation Complémentaire
6. Résultats croisés MPH JACO et discussion
7. Conclusion du chapitre 2
Chapitre 3 : SoKeyTo pour la conception de systèmes de communication et de contrôle d’environnement
1. Introduction
2. La plateforme SoKeyTo (Soft Keyboard Toolkit)
2.1. Etat des lieux des plateformes
2.2. SoKeyTo version 2
2.3. La conception d’une interface avec SoKeyTo
2.4. La configuration pour la création d’un profil utilisateur
2.5. L’utilisation des interfaces
2.6. Module d’évaluation théorique
3. HandyMathKey
3.1. L’expression de la demande
3.2. Démarche méthodologique
3.3. Evaluations d’HandiMathKey
3.4. Conclusion sur HandiMathKey
3.5. Perspectives
4. Système CECI (Contrôle d’Environnement et Communication Intégrée)
4.1. Contexte
4.2. La genèse du système CECI
4.3. Etat des lieux des communicateurs et contrôles d’environnement
4.4. La méthode de conception pour Matthieu
4.5. L’architecture et l’interopérabilité du système CECI
4.6. Conception de trois CECI
4.7. Vers une version générique de l’interface CECI
5. Conclusions
6. Perspectives
Conclusion Générale
1. Chapitre 1
2. Chapitre 2
3. Chapitre 3
4. Synthèse générale
Perspectives
1. Les interfaces produites par la plateforme SoKeyTo
2. Le projet JACO
3. Evolution de la conception centrée utilisateur
Bibliographie

Télécharger le rapport complet