>>

Soutenance de thèse : Nils Beaussé

Titre de la thèse

Apprentissage visuo-moteur, implication pour le développement sensorimoteur et l’émergence d'interactions sociales.

Visuomotor learning, implications for sensorimotor development and emergence of social interactions.

Date et lieu de soutenance

Jeudi 19 décembre 2019

Université de Cergy-Pontoise, site de St-Martin, amphithéâtre des colloques.

Résumé

Cette thèse tente d'apporter des éléments de réponse à la question de l’apprentissage et du développement sensorimoteur lors d’une interaction entre humain et robot dans un environnement réel non contraint. Pour ce faire nous défendons dans cette thèse le fait que les êtres humains interagissent non seulement de façon intentionnelle ou consciente, mais également que les propriétés de leur système moteur à bas niveau, de leur corps, et des boucles d’apprentissage sensorimoteur, leur permettent de faciliter implicitement et naturellement cette interaction. Ainsi, nous abordons cette question par l’étude des propriétés du système sensorimoteur chez l’humain et notamment des mécanismes de développement de certaines de ces propriétés chez l’enfant.

Dans un premier temps, nous étudions les propriétés du robot Tino qui est un prototype de robot humanoïde hydraulique unique en France et qui représente la plateforme expérimentale principale utilisée durant cette thèse. Nous avons ainsi analysé finement certaines des propriétés intéressantes du prototype qui peuvent avoir une analogie avec les propriétés du système moteur humain présentant un intérêt implicite dans un cadre d’interaction avec l’environnement ou avec un partenaire. En accord avec le paradigme de « l’intelligence du corps », nous montrons comment certaines de ces propriétés peuvent être exploitées pour simplifier la tâche au système de contrôle. Nous étudions également les limites de cette analogie et de son exploitation.

Nous étudions ensuite dans cette thèse la modélisation des boucles motrices bas niveaux et des propriétés du système musculaire humain afin d’en isoler les propriétés utiles à l’interaction. Nous en proposons une implémentation sur robot et analysons les propriétés du système de contrôle proposé en simulation et sur la plateforme robotique Tino en lien avec les caractéristiques spécifiques de cette dernière.

Par la suite nous développons une architecture neuronale bio-inspirée et développementale capable d’apprendre des associations visuo-motrices lors de phases de babillage moteur (« babbling »). Nous montrons à l’aide de ce modèle implémenté sur le robot Tino l’émergence implicite d’interactions sociales grâce aux propriétés des boucles sensorimotrices. Plus précisément, l’ambiguïté perceptive appliquée à cet algorithme permet l’émergence d’une imitation immédiate et d’un geste de pointage. Ce modèle utilise un système d’apprentissage associatif simple qui ne fournit qu’un « répertoire d’action ». Il est incapable de réagir finement aux contraintes de l’environnement ou d’un partenaire et il est notamment incapable de prendre en compte l’environnement pour planifier des trajectoires cohérentes dans celui-ci. Nous avons alors développé, à travers deux simulations de complexité croissante, un modèle d’apprentissage par renforcement bio-inspiré pour permettre à notre architecture d’apprendre à planifier la trajectoire permettant par exemple d’atteindre et de déplacer un objet présent dans l’environnement et posé sur une table. Nous montrons ensuite les analogies entre ce modèle et les expériences sur la prise en compte de l’intention dans les actions motrices et les trajectoires produites chez l’humain.

Enfin, nous nous sommes intéressés aux dynamiques d’interactions entre humains et à l’apport que pourrait amener l’intégration de contrôleurs neuronaux oscillatoires dans les architectures de contrôle sensorimoteur, pour ce faire nous avons proposé plusieurs types de modèles oscillant capable d’apprendre et de s’adapter en fonction de la dynamique des informations entrantes, afin de pouvoir s’adapter à des architectures bio-inspirés se développant en interaction avec un environnement non contraint.

Abstract

This thesis try to bring answers to the question of the sensorimotor learning and development in the context of human-robot interactions in a real non-constrained environment. To achieve this goal we defend in this thesis the fact that human being interacts through intentional and conscious strategy but also depends of the property of their low level motor system, their body, and of their sensorimotor learning loops, allowing these to facilitate implicitly this interaction. We try to answer these questions through the study of the sensorimotor loops in humans, and through the study of the development of these properties in infants.

First, we study here the properties of our robot "Tino", which is a prototype of an humanoid hydraulic robot, unique in France and which is the main experimental platform used in this thesis. We analyses in this thesis the property of this robot and made analogies with the human motor system properties that are implied in the interaction between human, the environment and other humans. We show how certain of these properties could be used to simplify tasks for the control system. We study finally the limit of this analogy and of the exploitation of these properties.

After this part we study in this thesis the modeling of low level motor loop and of the properties of the human muscular system in order to capture the main interesting properties for interactions. We propose an implementation on robot and analyses the properties of this control system in simulation and on the robotic platform Tino.

Then, we propose a bio-inspired and developmental neural architecture that is able to learn visuomotor association with babbling exploration of the environment. We show with this model implemented on the robot Tino that we can observe the emergence of implicit social interaction through the sensorimotor loops, such are imitation and pointing gesture. But this model use a simple associative learning which is able to construct an “actions repertoire” but is unable to react to the environment and humans finely. To solve this problem we have developed, through two simulations, a learning model based on reinforcement learning to allow our system to produce coherent trajectory in order to act in an environment. We applied this in a simulated task of grasping and moving an object on a table. We show then the analogies between this model and historic experiments about the impact of intention on the motor actions and trajectories in humans.

Finally we study in this thesis the dynamic of interactions and the interest of bringing oscillatory neural network in these sensorimotor architectures. To this end we propose in this thesis several oscillatory models able to learn and to adapt in the context of bio-inspired architecture that learn in interaction with a real environment.

Mots-clefs

Robotique développementale,Imitation,Intéraction homme-machine,Réseaux de neurones,Robotique bio-inspirée,Apprentissage sensorimoteur

Keywords

developmental robotics,Imitation,human-machine interaction,Neural network,bio-inspired robotics,sensorimotor learning

Composition du jury

  • Philippe GAUSSIER, Professeur, Université Cergy-Pontoise, Directeur de thèse
  • Arnaud REVEL, Professeur, Université de La Rochelle, Rapporteur
  • Ghilès MOSTAFAOUI, Maître de Conférences HDR, Université de Cergy-Pontoise, Co-encadrant de thèse
  • Samer ALFAYAD, Professeur agrégé, Université de Versailles St. Quentin (UVSQ), Rapporteur
  • Patrick HENAFF, Professeur, Université de Lorraine, Laboratoire Loria, Examinateur
  • Yvonne DELEVOYE-TURRELL, Professeur, SCALAB, Université de Lille, Examinateur

Retour