Le contrôle du mouvement est un élément central des fonctions exécutives du système nerveux. A ce titre, il intéresse non seulement la communauté des neurosciences et de la psychologie, mais aussi les roboticiens et informaticiens qui souhaitent intégrer des idées issues de la biologie dans le contrôle des robots et l’animation graphique. Cependant, alors que les mouvements humains semblent être réalisés avec une grande facilité, il est très complexe de les faire reproduire par des systèmes artificiels. A la base de cette difficulté, on trouve le problème même de la compréhension des bases neurales des fonctions motrices. Une étape fondamentale dans l’interaction entre ces disciplines est donc la définition de principes computationnels et neuronaux qui régissent le fonctionnement de la motricité. Nous avons développé une théorie fondée sur des principes (en particulier, le contrôle optimal en boucle fermée) qui explique une large gamme de propriétés du mouvement: cinématique et dynamique des mouvements de pointage et de préhension (Guigon et al. 2007a), activités électromyographiques et corticales (Guigon et al. 2007b), structure de la variabilité et contrôle de la précision (Guigon et al. 2008a,b), contrôle simultané de la posture et du mouvement (Guigon 2010). Cette théorie propose une solution au problème des degrés de liberté de Bernstein (redondance cinématique), explique l'émergence des phénomènes d’équivalence motrice et réconcilie différentes approches du contrôle moteur (modèles internes, théorie du point d'équilibre). Elle offre un point de vue nouveau sur les bases neurales des fonctions motrices et ouvre des perspectives pour des applications en robotique (Taïx et al. 2012), construction d’interfaces cerveau-robot, animation graphique.

Publications

	Guigon E, Baraduc P, Desmurget M (2007a) Computational motor control: Redundancy and invariance. Journal of Neurophysiology 97(1):331-347. [IF=3.316/WoS=52] F1000 Biology Un modèle de contrôle optimal fondé sur la minimisation des efforts permet de reproduire les caractéristiques des mouvement de pointage et de préhension pour des chaînes articulaires redondantes. Il offre également un explication de principe de l'émergence de l'invariance cinématique et des lois de mise à l'échelle (amplitude/durée, charge/durée).
	Guigon E, Baraduc P, Desmurget M (2007b) Coding of movement- and force-related information in primate primary motor cortex: A computational approach. European Journal of Neuroscience 26(1):250-260. [IF=3.631/WoS=5] F1000 Biology Un modèle de contrôle optimal fondé sur la minimisation des efforts permet de reproduire les caractéristiques de la décharge des neurones et des populations de neurones dans le cortex moteur du singe pendant des tâches de pointage.
	Guigon E, Baraduc P, Desmurget M (2008) Computational motor control: Feedback and accuracy. European Journal of Neuroscience 27(4):1003-1016. [IF=3.631/WoS=15] Un modèle de contrôle optimal fondé sur la minimisation des efforts permet d'expliquer la structure de la variabilité de la variabilité des mouvements de pointage, l'émergence de la loi de Fitts, et le contrôle de la précision.
	Guigon E, Baraduc P, Desmurget M (2008) Optimality, stochasticity, and variability in motor behavior. Journal of Computational Neuroscience 24(1):57-68. [IF=2.51/WoS=12] Ce papier offre une analyse théorique de l'émergence de la structure de la variabilité des mouvements dans le cadre du contrôle optimal en feedback optimal stochastique.
	Guigon E (2010) Active control of bias for the control of posture and movement. Journal of Neurophysiology 104(2):1090-1102. [IF=3.316/WoS=3] Un modèle de contrôle optimal fondé sur la minimisation des efforts permet d'expliquer les caractéristiques des oscillations posturales et des changements de longueur musculaire associés. Les résultats obtenus sont cohérents avec les observations expérimentales sur le balancement d'un pendule inverse et les enregistrements simultanés in vivo des longueurs musculaires et des oscillations pendant le maintien postural chez l'homme. Ce modèle est strictement similaire à celui utilisé pour produire des mouvement et offre une explication unifiée de la posture et du mouvement.
	Taïx M, Tran MT, Souères P, Guigon E (2012) Generating human-like reaching movements with a humanoid robot: A computational approach. Journal of Computational Science, sous presse. [IF=?] Ce papier présente une application d'un modèle de contrôle optimal fondé sur la minimisation des efforts au contrôle du robot HRP2.
	Rigoux L, Guigon E (2012) A model of reward- and effort-based optimal decision making and motor control. PLoS Computational Biology, sous presse. [IF=5.215] Ce travail propose un modèle du comportement dans lequel la décision et la production motrice émergent de l’optimisation permanente du compromis prospectif et pondéré entre la récompense et l’effort moteur liés à l’action. Ce modèle permet de rendre compte de la décision dans les situations d’effort ainsi que des caractéristiques détaillées de la coordination motrice et de sa modulation par le contexte comportemental. Le formalisme présenté offre un cadre normatif pour interpréter les bases neurologiques de la décision et du contrôle moteur. Nous proposons également des éléments théoriques pour comprendre le rôle de la dopamine et des ganglions de la base dans la régulation de l’effort, plus particulièrement dans les pathologies telles que la maladie de Parkinson.