• Aucun résultat trouvé

Réalisation de l’expérience

Dans le document en fr (Page 56-60)

2.2 Évaluation expérimentale de la perception de raideur

2.2.4 Réalisation de l’expérience

Participants

Lors de notre expérience, nous avons recruté 17 participants volontaires non-rémunérés (âgés de 22 à 28 ans, dont 5 femmes, 3 gauchers et 1 ambidextre). Nous avons choisi des participants non-experts afin de focaliser l’étude sur la perception en écartant le biais que pourrait introduire une expérience en chirurgie laparoscopique. Plus de détails sur

Figure 2.9 – Exemple de courbe d’indentation (ici pour l’échantillon de référence :

τhuile = 20%). Le nuage de points contient les courbes recalées de quatre indentations

successives.

Échantillon (i) 1 2 3 4 5

τhuile [%] 0 10 20 30 40

Raideur (ki) [N/mm] 3,96 3,46 3,09 2,58 2,21

Figure 2.10 – Relation entre le taux de dilution et la raideur de l’échantillon et tableau de définition des échantillons utilisés durant les essais.

le groupe de participants sont donnés dans la table A.1.

La majorité d’entre eux n’avait aucune expérience en chirurgie mis à part deux partici- pants, l’un déclarant avoir eu une formation basique en chirurgie ouverte et l’autre une formation basique en chirurgie minimalement invasive. Six participants ont aussi déclaré avoir déjà manipulé des interfaces haptiques à retour d’efforts. Nous avons considéré que l’expérience antérieure indiquée n’était pas suffisante pour introduire des biais significa- tifs dans notre étude, et avons décidé de garder tous les participants sur ce critère. En revanche, des problèmes techniques en cours de manipulation rapportant le nombre final de participants à 16.

Procédure

Avant que l’expérience ne commence, l’opérateur fixe la longueur distale de l’outil |rD|

en positionnant le trocart à une distance donnée des porte-échantillons. Le participant vient ensuite manipuler la poignée de l’outil dépassant de l’écran de masquage. Après une description brève de l’expérience (dans son fonctionnement, pas dans son but pour éviter l’introduction de biais cognitifs), cinq à dix minutes lui sont accordées pour se familiariser avec le système et l’utilisation du moniteur pour se repérer dans l’espace. Il effectue ensuite chacune des conditions présentées dans la table 2.1, répétées 10 fois chacune dans un ordre aléatoire, pour un total de 100 répétitions.

Durant chaque répétition, un maximum de 10 s lui sont accordées pour explorer librement la référence et l’échantillon, après quoi les freins du robot se bloquent et le participant se voit forcé de donner une réponse. L’expérience complète dure environ 45 min, incluant une pause de 5 min à la fin de chaque bloc de 40 répétitions pour limiter la fatigue du participant.

Entre chaque répétition, le retour vidéo vu par le participant est temporairement gelé de manière à cacher au participant les changements d’échantillons. Si aucun changement n’est nécessaire, l’opérateur agit comme s’il en effectuait un, pour que toute répétition soit considérée de manière identique par l’utilisateur, qu’il y ait changement d’échantillon ou non. Enfin, pour limiter les erreurs de manipulation, l’ensemble des répétitions est défini dans un protocole expérimental contenant les conditions de chaque répétition. Le contrôleur du robot gère l’activation ou la désactivation de la compensation en raideur, et donne à l’opérateur le numéro de l’échantillon à présenter au participant. La figure 2.11 donne un aperçu d’un participant en cours de test et de la configuration générale du système.

Nous avons choisi de séparer l’ensemble des participants en quatre groupes, appliquant à chaque groupe des conditions de bras de levier différentes. Le tableau 2.2 décrit les conditions expérimentales pour chaque groupe.

De plus, pour les groupes 1 et 2, le point P utilisé pour les calculs de compensation a été positionné sur le bout de la poignée, tandis que pour les groupes 3 et 4, ce même point a été positionné au centre de la poignée (donc à 60 mm du bout de l’outil). Cette modification fait suite aux observations sur la posture générale des utilisateurs et leur prise en main des outils.

Figure 2.11 – Vue du dispositif tel qu’utilisé pendant les expériences. L’utilisateur manipule l’outil en collaboration avec un robot et en s’aidant du retour visuel affiché sur le moniteur. Il donne ensuite sa réponse en appuyant sur l’échantillon choisi en appuyant sur la zone dédiée.

Groupe Participants |rD| [mm] |bD|

1 1–2 150 0,44

2 3–8 105 0,27

3 9–13 254 1,44

4 14–17 130 0,43

Table 2.2 – Groupement des participants et bras de levier attribués.

Collecte des données

Pour chaque répétition, la tâche du participant est d’explorer les deux échantillons qui lui sont présentés, et de répondre à la question « Quel échantillon est le plus rigide ? ». Pour répondre à cette question, il touche l’échantillon correspondant sur le moniteur présentant la scène, muni d’une interface tactile. La réponse est enregistrée dans un journal d’expérience, accompagnée des paramètres de l’essai et des temps de début et de fin de la répétition.

Analyse des résultats

À l’aide des résultats des différentes expériences, nous avons calculé pour chaque partici- pant la probabilité d’occurrences de réponses positives pour chaque échantillon [i] dans les deux conditions ([C] pour compensé et [NC] pour non compensé) suivant la formule P (ki > kREF) = n(ki > kREF)/nt,i où n(ki > kREF) désigne le nombre de réponses

positives pour la condition donnée et nt,i désigne le nombre total de répétitions de la condition donnée (ici 10). Nous utilisons ensuite les outils de la bibliothèque « Psigni-

fit », dédiée à la modélisation de courbes psychométriques [Psignifit, Wichmann 2001], en donnant comme valeur d’abscisse la différence de raideur entre l’échantillon i et la référence (∆ki = ki − kREF). On fixe de plus les valeurs inférieure et supérieure de la courbe psychométrique respectivement à 0 et à 1, car nous supposons qu’une différence suffisante de raideur permet de discriminer deux échantillons sans erreur possible. On utilise ensuite les résultats obtenus pour déterminer le PSE, puis le biais de perception sur chacune des courbes.

Dans le document en fr (Page 56-60)