[Offre de thèse 2024] Modélisation de l’action conjointe en IHR à partir d’une approche bio-inspirée
Master II recherche (ou diplôme équivalent) en automatique, traitement du signal, informatique, modélisation mathématique, ou sciences cognitives.
Intérêt pour l’interaction homme-robot, l’incarnation, les sciences cognitives et la modélisation bio-inspirée (théorie des systèmes dynamiques).
Compétences en programmation en langage Python (des compétences en C++ seraient un plus).
Notions de modélisation géométrique classique et de régulation du comportement en robotique.
Niveau de français/anglais requis : au moins niveau intermédiaire. Vous pouvez parler la langue de manière compréhensible, cohérente et confiante sur des sujets quotidiens qui vous sont familiers.
DOSSIER DE CANDIDATURE
Votre dossier doit contenir les documents suivants : lettre de motivation, CV, une lettre de recommandation et votre relevé de notes le plus récent.
La robotique sociale est un domaine multidisciplinaire dédié à l’étude des robots capables d’interagir et de communiquer entre eux, avec les humains et avec l’environnement, au sein de la structure sociale et culturelle attachée à son rôle. Au cours des dernières décennies, l’intérêt pour les robots sociaux s’est considérablement accru avec des applications dans les domaines de la santé, de l’éducation, de l’assistance, pour n’en citer que quelques-unes.Bien que les robots sociaux soient devenus plus accessibles et équipés de plusieurs options de capteurs et modalités d’actionnement, ces robots font preuve de compétences en matière de comportement social qui sont encore très loin de celles des humains. Ainsi, plusieurs difficultés ont été rencontrées pour assurer des interactions fluides et maintenir l’engagement humain [Belhassein et al. (2022)].Ce projet se concentre sur la modélisation de formes intuitives d’interaction sociale homme-robot. Il s’agit de situations basées sur des compétences cognitives rudimentaires (par exemple, le suivi du regard, l’imitation, le partage attentionnel, la mémoire de travail), dans lesquelles l’action et la prise de décision émergent comme des processus herméneutiques au sein du contexte d’interaction susceptible d’étude en tant que système dynamique. Ainsi, ce projet adopte une perspective théorique qui s’écarte de la vision cognitiviste traditionnelle en intelligence artificielle et se situe proche de la recherche en cognition 4E [Newen et al. (2018)] (p. ex. la théorie de l’interaction [Gallagher (2008)]).Par conséquent, ce projet s’intéresse à l’étude de l’action conjointe, vue 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 but commun), b) la connaissance commune du fait de viser le même objectif, et c) la participation à des modèles de comportement coopératifs.Dans le domaine des HRI, [Vesper et al. (2010)] ont proposé une description architecturale minimale et modulaire des types de processus dédiés permettant l’action conjointe. Inspiré de cette recherche, l’objectif principal de ce projet est de proposer un modèle architectural d’action conjointe, étudié en tant que système dynamique, capable de représenter le contexte d’interaction et permettant le contrôle du comportement du robot (p. ex. la rythmicité, la synchronisation l’humain). Cette intégration sera poursuivie à partir de la perspective de la théorie du principe de l’énergie libre, en particulier de la notion d’inférence active [Friston et al. (2013)] [Allen et Friston (2018)].
Définition du scénario d’interaction. En s’appuyant sur la littérature, la première étape consistera à proposer un scénario d’IHR intuitif, suscitant l’action conjointe entre les partenaires. Idéalement, cette activité prendra la forme d’une activité ludique, capable de susciter l’engagement humain.
Modélisation mathématique. La deuxième étape visera la construction du modèle d’interaction temps réel à partir de la définition du modèle de données. Plusieurs architectures de réseaux neuronaux bio-inspirées peuvent être utilisées pour développer le modèle d’interaction. Dans le cadre de la recherche en théorie des champs neuronaux dynamiques [Amari (1977)], quelques travaux ont considéré deux aspects directement liés au problème d’étude, comme la modélisation de l’attention conjointe [Chame et al. (2023)] et de la motivation selon la théorie de l’autodétermination [Chame et al. (2019)]. Des modèles variationnels pourraient également être envisagés, basés sur le concept d’inférence active issue de la théorie du principe de l’énergie libre (p. ex. en [Chame et Tani (2020)], [Chame et al. (2020)]).
Prototypage d’expérimentation. Plusieurs sources de données pourraient être utilisées, telles que : comportementales (ex. suivi de la posture corporelle, direction du regard), électrophysiologiques (ex. électromyographie, électroencéphalogramme), ainsi que les données du robot (capteurs proprioceptifs et extéroceptifs). Idéalement, le prototype d’interaction comportera un système distribué, intégré au middleware Robot Operating System (ROS) et programmé en Python ou C++.
Plateformes robotiques. Plusieurs robots sont disponibles pour le projet, notamment : iCub (IIT), Tiago (Pal Robotics), Panda (Franka), Pepper (Softbank Robotics), Furhat (Furhat Robotics).
Rémunération : 2100 € brut mensuel (voir arrêté https://www.legifrance.gouv.fr/jorf/id/JORFTEXT000046820745).
publication et confidentialité, droit à la propriété intellectuelle,…
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.