[Proposition thèse 2023] MODÉLISATION DE L’INTERACTION SOCIAL EN ACTION CONJOINTE HUMAIN-ROBOT À PARTIR D’UNE APPROCHE BIO-INSPIRÉE
Directrice de thèse : Laure Buhry (MCF-HDR– LORIA)
Co-encadrant : Hendry F. Chame (MCF– LORIA)
Date à retenir :
Date limite de candidature : 13 juin 2023
Début de la thèse : 1 octobre 2023
Mots-clés. Interaction Humain-robot, Action conjointe, Attention conjointe, Modélisation bio-inspirée, Robotique neuronale, Cognition sociale.
Contexte et état de l’art :
La robotique sociale est une aire de recherche pluridisciplinaire intéressée par l’étude de l’interaction des robots au niveau social. Ces dernières décennies, la recherche sur les interactions homme-robot (IHR) s’est accompagnée de la conception de robots de plus en plus habiles pour s’engager dans des actions conjointes avec l’humain. Cependant, ces progrès ont rencontré aussi des défis importants pour assurer des interactions fluides et maintenir l’engagement de l’humain (Belhassein et al. (2022)).
A partir de la perspective de recherche en cognition 4E (Newen et al. (2018)), notamment inspirée de la théorie de l’interaction (Gallagher (2008)), un aspect auquel ce projet s’intéresse est la modélisation de situations d’interaction directes et intuitives humain-robot. Notamment, il s’agit de situations caractérisées par un échange basé sur un ensemble de compétences cognitives primaires (e.g le suivi du regard, l’imitation, le partage attentionnel), dont la communication verbale bien que possible reste moins prioritaire.
En particulier, ce projet s’intéresse à l’étude de l’action conjointe en IHR, considéré selon Fiebich et Gallagher (2013) comme une forme complexe d’interaction sociale, caractérisée par les trois éléments suivants : a) une intention partagée (c’est-à-dire viser un objectif commun), b) la connaissance commune de viser le même objectif, et c) la participation à des patrons de comportement coopératifs, où les aspects motivationnels et les processus attentionnels conjoints revêtent une extrême importance.
Dans le domaine de l’interaction homme-machine, Vesper et al. (2010) ont proposé une description architecturale minimale et modulaire des types de processus dédiés permettant l’action conjointe. Ce projet de recherche s’intéresse à l’intégration entre la modélisation architecturale et l’étude de l’interaction en tant que système dynamique, capable de représenter de façon adéquate l’aspectrythmique (e.g. la synchronisation) du comportement et de l’activité cérébrale de l’humain en correspondance à l’état interne et actions du robot. Cette possibilité d’intégration sera poursuivie à partir de la perspective de la théorie du principe de l’énergie libre, notamment le concept d’inférence active (Friston et al. (2013), Allen et Friston (2018)).
Pertinence, originalité et objectifs
Ce projet de recherche a pour objectif l’étude des aspects dynamiques de l’action conjointe en interaction humain-robot (IHR), grâce à des approches de modélisation mathématique, de simulation et de traitement du signal multi-échelles, et de prototypage des expériences d’interaction. Par conséquent, l’objectif principal de ce projet est la proposition d’un modèle mathématique permettant de représenter et suivre en temps-réel la dynamique de l’interaction humain-robot. Ainsi, ce projet pourrait contribuer d’une part au développement de méthodes diagnostiques destinées à estimer la qualité de l’interaction en IHR. D’une autre part, vue le niveau d’interaction envisagé (un échange intuitif entre l’humain et le robot), ce projet pourrait contribuer au développement de méthodes destinés à étudier la cognition sociale en plusieurs conditions psychologiques (e.g. dans le cadre du trouble du spectre de l’autisme, la condition de réhabilitation cognitive, ou des conditions physiopathologiques comme la schizophrénie).
Méthodologie et techniques mises en œuvre
Définition de l’activité d’interaction. En se basant sur la littérature, la première étape consistera à proposer une situation d’interaction intuitive humain-robot, incluant une activité susceptible d’inciter l’action conjointe entre les partenaires. Idéalement, cette activité se présentera sous la forme de jeu amusant, ayant le potentiel de favoriser l’engagement de l’humain.
Modélisation mathématique bio-inspirée. La seconde étape visera à la construction du modèle d’interaction en temps-réel à partir de la définition du modèle de données. Le travail s’appuiera sur une approche à la modélisation de systèmes dynamiques inspirée du vivant (e.g. les modèles de réseaux neuronaux d’attracteurs continues inspirés de la théorie des champs neuronaux dynamiques, Amari (1977)). En suivant cette approche, des travaux précédents ont considéré deux aspects directement reliés à la problématique en étude, tels que la modélisation de l’attention conjointe de plusieurs individus en interaction (Chame et at. (2023)) et la modélisation de l’état motivationnel en interaction humain-système selon la théorie de l’autodétermination (Chame et al. (2019)). D’autres travaux qui pourraient servir de référence à la modélisation de l’interaction se sont inspirés du concept d’inférence active issue de la théorie du principe de l’énergie libre (e.g. Chame et Tani (2020), Chame et al. (2020)).
Prototypage de l’expérience. Afin de fournir les données au modèle d’interaction, le projet s’appuiera sur la prise de données électrophysiologiques (e.g. électroencéphalogramme) et comportementales (e.g. suivie de la position, la direction du regard), ainsi que les données capturées du robot (son état interne provenant des capteurs proprioceptives et extéroceptives). En raison des contraintes technologiques, le prototype d’interaction consistera probablement à un système distribué, dont la capture de données doit être synchronisée sur horloge. Ainsi, le systèmesera implémenté dans le cadre intergiciel Robot Operating System (ROS), programmé en langage Python ou C++.
Encadrement et collaborations
La thèse se déroulera au LORIA (Neurorhythms). Il est prévu une collaboration avec Rachid Alami, membre du LAAS-CNRS (RobotS and InteractionS- RIS), pour ce qui concerne la mise en œuvre de l’expérience réelle. Les expertises du LORIA seront particulièrement sollicitées pour les aspects de modélisation et de simulation, en particulier pour la modélisation de l’interaction biologiquement inspirée. Alors que l’expertise du LAAS-CNRS sera sollicitée dans la phase expérimentale.
References
Amari, S. I. (1977). Dynamics of pattern formation in lateral-inhibition type neural fields. Biological cybernetics, 27(2), 77-87. Allen, M., & Friston, K. J. (2018). From cognitivism to autopoiesis: towards a computational framework for the embodied mind. Synthese, 195(6), 2459-2482. Belhassein, K., Fernández-Castro, V., Mayima, A., Clodic, A., Pacherie, E., Guidetti, M., Alami, R., and Cochet, H. (2022). Addressing joint action challenges in HRI: Insights from psychology and philosophy. Acta Psychologica, 222, 103476. Chame, H. F., Mota, F. P., & da Costa Botelho, S. S. (2019). A dynamic computational model of motivation based on self-determination theory and CANN. Information Sciences, 476, 319-336. Chame, H. F., & Tani, J. (2020, May). Cognitive and motor compliance in intentional human-robot interaction. In 2020 IEEE International Conference on Robotics and Automation (ICRA) (pp. 11291-11297). IEEE. Chame, H. F., Ahmadi, A., & Tani, J. (2020). A hybrid human-neurorobotics approach to primary intersubjectivity via active inference. Frontiers in Psychology, 11, 584869. Chame, H. F., Clodic, A., & Alami, R. (2023, May). TOP-JAM: A bio-inspired topology-based model of joint attention for human-robot interaction. In 2023 IEEE International Conference on Robotics and Automation (ICRA). Fiebich, A., & Gallagher, S. (2013). Joint attention in joint action. Philosophical Psychology, 26(4), 571-587. Friston, K., Schwartenbeck, P., FitzGerald, T., Moutoussis, M., Behrens, T., & Dolan, R. J. (2013). The anatomy of choice: active inference and agency. Frontiers in human neuroscience, 7, 598.Gallagher, S. (2008). “Understanding others: embodied social cognition,” in Handbook of Cognitive Science, eds P. Calvo and A. Gomila (San Diego, CA; Oxford; Amsterdam: Elsevier), 437–452. Newen, A., Bruin, L., and Gallagher, S. (2018). “4E cognition: historical roots, key concepts and central issues,” in The Oxford Handbook of 4E Cognition, eds A. Newen, S. Gallagher, and L. de Bruin (Oxford: Oxford University Press), 3–15. Vesper, C., Butterfill, S., Knoblich, G., & Sebanz, N. (2010). A minimal architecture for joint action. Neural Networks, 23(8-9), 998-1003.
