Thèse soutenue

Raisonnement et planification développementale d’un robot via une interaction enactive avec un humain
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Maxime Petit
Direction : Peter Ford Dominey
Type : Thèse de doctorat
Discipline(s) : Sciences cognitives. Informatique
Date : Soutenance le 06/03/2014
Etablissement(s) : Lyon 1
Ecole(s) doctorale(s) : École Doctorale Neurosciences et Cognition (NSCo)
Partenaire(s) de recherche : Laboratoire : Institut Cellule Souche et Cerveau (Bron)
Jury : Président / Présidente : Rémi Gervais
Examinateurs / Examinatrices : Chrystopher L. Nehaniv, Jean-Christophe Baillie
Rapporteurs / Rapporteuses : Giorgio Metta, Philippe Gaussier

Résumé

FR  |  
EN

Que cela soit par des automates puis par des robots, l'Homme a été fasciné par des machines pouvant exécuter des tâches pour lui, dans de nombreux domaines, comme l'industrie ou les services : c'est ce dernier domaine qui nous sert de contexte. Ainsi, nous avons utilisé une approche développementale, où le robot se doit d'apprendre de nouvelles tâches au cours de sa vie. Inspiré par des théories sur le développement de l'enfant, nous avons extrait les concepts intéressants pour les implémenter sur une plateforme robotique humanoïde : l'iCub. L'acquisition du langage est une première étape, où la capacité à classifier les mots, de classes ouvertes et de classes fermées permet d'obtenir une syntaxe qui aide l'enfant à construire le lien entre une phrase et son sens. Cette méthode a été implémentée grâce à un réseau de neurones récurrents, utilisant une base de données fournit par l'humain en interagissant avec le robot. La maîtrise du langage permet à l'enfant de participer à des actions plus complexes, en particulier des tâches collaboratives où la parole est requise de négocier le mode d'apprentissage sur plusieurs modalités. Implémenté sur l'iCub et le Nao, cela permet un apprentissage en temps réel et de réaliser un plan partagé. Enfin, nous avons étudié le fonctionnement de la mémoire autobiographique, cruciale pour se remémorer des épisodes passés de sa vie, d'en tirer des prédictions et de les appliquer dans le futur. En recréant cette mémoire en SQL et formatant les données en PDDL, l'iCub est alors capable de raisonner en fonction de sa propre expérience, lui permettant ainsi de résoudre le problème des Tours d'Hanoi sans jamais l'avoir visualisé avant