Intégration des préférences d'un opérateur dans les décisions d'un drone autonome et élicitation incrémentale de ces préférences

Integration of an operator's preferences into the decisions of an unmanned aerial vehicle and incremental elicitation of these preferences

• Auteur / Autrice : Arwa Khannoussi
• Direction : Patrick Meyer
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 04/12/2019
• Etablissement(s) : Brest
• Ecole(s) doctorale(s) : École doctorale Santé, information-communication et mathématiques, matière (Brest, Finistère)
• Partenaire(s) de recherche : Laboratoire : Laboratoire en sciences et techniques de l'information, de la communication et de la connaissance
• Jury : Président / Présidente : Frank Singhoff
• Jury : Examinateurs / Examinatrices : Patrick Meyer, Frank Singhoff, Vincent Mousseau, Meltem Öztürk, Catherine Dezan, Jacques Petit-Frère
• Jury : Rapporteurs / Rapporteuses : Vincent Mousseau, Meltem Öztürk

Mots clés

Mots clés contrôlés

Décision multicritère

Systèmes d'aide à la décision

Robots autonomes

Mots clés libres

Drone autonome

Aide multi-critère à la décision

Élicitation incrémentale des préférences

Confiance de l’opérateur

Unmanned aerial vehicle

Multi-criteria decision aiding

Incremental preference elicitation

Operator confidence

Résumé

Un drone totalement autonome est un aéronef sans pilote humain à bord. Il est donc capable d'accomplir une mission sans l'intervention d'un opérateur humain et de prendre des décisions de façon totalement autonome. Cela sous-entend que l'opérateur au sol doit avoir une confiance élevée dans les décisions prises par le drone. L'objectif principal de cette thèse est donc de proposer un moteur de décisions à embarquer dans le drone autonome qui garantit un niveau de confiance élevé de l'opérateur dans la capacité du drone à prendre les "bonnes" décisions. Pour cela nous proposons un moteur de décisions multi-niveaux composé de deux niveaux de décisions principaux. Le premier permet de surveiller l'état du drone et de son environnement pour détecter les événements qui peuvent perturber la réalisation de la mission et déclencher la prise de décision du second niveau. Celui-ci une fois déclenché permet de choisir une action de haut niveau (atterrir, continuer, ...) la mieux adaptée à la situation courante parmi un ensemble d'actions possibles. Ce moteur intègre aussi les préférences d'un opérateur en utilisant des modèles d'Aide Multi-Critère à la Décision. Ces modèles nécessitent une phase en amont de la mission, où les préférences de l'opérateur sont élicitées, avant d'être intégrées dans le drone. Pour réduire l'effort cognitif de l'opérateur pendant cette phase, nous proposons un processus d'élicitation incrémental pendant lequel les questions soumises à l'opérateur sont déduites des réponses précédentes. Cela nous permet de déterminer un modèle représentant fidèlement ses préférences, tout en minimisant le nombre de questions.

A fully autonomous unmanned aerial vehicle (UAV) is an aircraft without a human pilot on board. It is consequently able to accomplish a mission without the intervention of a human operator and to make decisions in a totally autonomous way. This implies that the ground operator must have a high level of confidence in the decisions made by the UAV.The main objective of this thesis is therefore to propose a decision engine to be embedded in the autonomous UAV that guarantees a high level of operator confidence in the UAV's ability to make the "right" decisions. For this purpose, we propose a multi-level decision engine composed of two main decision levels. The first one monitors the state of the UAV and its environment to detect events that can disrupt the mission’s execution and trigger the second level. Once triggered, it allows to choose a highlevel action (landing, continuing,...) best adapted to the current situation from a set of possible actions. This engine also integrates the operator's preferences by using Multi-Criteria Decision Aiding models. They require a preliminary phase before the mission, where the operator's preferences are elicited, before being integrated into the UAV. To reduce the operator's effort during this phase, we propose an incremental elicitation process during which the questions submitted to the operator are deduced from the previous answers. This allows us to determine a model that accurately represents his or her preferences, while minimizing the number of questions.