Active Multisensory Perception and LearnIng For InteractivE Robots (AMPLIFIER)

Funded by :ARC région Auvergne-Rhône-Alpes
Funding :205000€
Period :2017-2021
Status :In progress
Coordinator :Mathieu Lefort
Collaborators :Jean-Charles Quinton, Adeline Samson, Marie Avillac, Salima Hassas, Christina Schmitz, Anne Caclin, Alan Chauvin, Nathalie Guyader, Amélie Cordier



Description

D'après un rapport du ministère de l’Enseignement Supérieur et de la Recherche de 2013 “la seule robotique de service représentera un marché de 100 milliards d’euros en 2020 selon la commission européenne et ce marché sera multiplié par 30 en 10 ans”. Hoomano, entreprise lyonnaise partenaire du projet, produit des logiciels pour les robots sociaux d'interaction (Nao, Pepper, Buddy, Heasy, etc.). Ces robots sont surtout déployés dans la grande distribution, les hôtels, les gares, ... pour l'accueil du grand public. Ce sont les prémices de l'intégration très prochaine de ces robots de service chez les particuliers, développement d'activité qui sera accéléré par les résultats obtenus dans ce projet. En effet, ces robots sont actuellement dotés de capacités d'interactions qui sont scriptées et pré-déterminées et leur utilisation pour des tâches et dans des environnements moins contraints nécessite de rendre ces interactions plus naturelles et plus riches. Pour cela, ce projet vise à permettre une meilleure perception et compréhension de l'environnement et du contexte par les robots, ce qui est rendu particulièrement difficile par la faiblesse de la qualité des capteurs et de la puissance de calcul embarquée et l'hétérogénéité des plateformes. Le produit développé dans ce projet prendra la forme d'une brique du moteur d'interaction, déployé dans les robots, qui sera en charge de la perception des stimuli susceptibles de provoquer des interruptions dans le scénario déroulé par le robot.

Nous adoptons une approche transdisciplinaire alliant d'une part la psychophysique et les mathématiques appliquées pour améliorer notre compréhension de la perception chez l'humain et d'autre part l'informatique et la robotique pour le transfert et l'adaptation de ces paradigmes pour les robots d'interaction. Nous positionnons notre étude dans le cadre de l'apprentissage constructiviste qui considère le problème de l'intelligence artificielle selon une perspective intégrative. La perception est alors considérée comme résultante de l'expérimentation de contingences sensori-motrices apprises incrémentalement tout au long de la vie [1,2,3]. Dans ce projet, nous explorerons les axes de recherche suivants :

  • L'intégration multi-sensorielle qui est indispensable à l'utilisation de plusieurs capteurs. Une des questions centrales est de savoir quand et comment fusionner les informations disponibles de manière autonome en s'appuyant sur l'apprentissage passé des relations entre les différents capteurs. Nous étudierons également comment cette intégration interagit avec l'apprentissage progressif de représentations.
  • La perception active qui permet d'orienter la collecte d'informations pour améliorer la compréhension de la scène (mécanisme attentionnel) et l'apprentissage de représentations (apprentissage actif). Cela nécessite à la fois de disposer d'un modèle prédictif du monde et de décider dans quelle modalité et dans quelle zone de l'espace aller chercher la prochaine information la plus pertinente.