Estimation des relations attentionnelles dans un environnement intelligent

Attentional relations estimation in a smart environment

• Auteur / Autrice : Jérôme Maisonnasse
• Direction : James L Crowley
• Type : Thèse de doctorat
• Discipline(s) : Sciences cognitives
• Date : Soutenance en 2007
• Etablissement(s) : Université Joseph Fourier (Grenoble ; 1971-2015)

Mots clés

Mots clés libres

Attention

Processus cognitifs

Modèle gravitationnel

Intéraction homme machine

Environnement augmenté

Interactionnisme

Modèle spotlight

Ressources limitées

Résumé

Ce travail de recherche propose un détecteur de relations attentionnelles, pour identifier de façon robuste et temps réelles dépendances entre les utilisateurs et les périphériques qui équipent un environnement Ürtelligent, afin d'adapter de façon souple et continue== l'accessibilité aux services numériques. Notre modèle repose sur une métaphore de la gravitation et du ''spotlight''. Ainsi, la saillance des objets physiques est décrite comme une masse. Pour compléter la définition de l'attention, l'intention estimée des utilisateurs est représentée par un vecteur ''vitesse''. La combinaison quasi linéaire permet de définir le focus d'attention des utilisateurs. Suivant le modèle des ressources limitées, une quantité de ressources attentionnelles est distribuée aux objets suivant leur proximité spatiale avec le focus d'attention. L'évaluation du modèle repose sur différentes simulations d'arrangements spatiaux. Les résultats des simulations ont été comparés à des résultats connus de la littérature en sciences sociales. Les estimations du modèle à partir de données extraites de scènes réelles, ont été mises en rapport avec des évaluations humaines ''expertes''. Le modèle se montre robuste dans l'estimation de l'orientation du focus. Au niveau de la distribution des ressources le niveau d'accord est suffisant pour une adaptation des services ne nécessitant pas une importante précision. Ce modèle offre aux environnements intelligents une nouvelle perception des relations sociales et cognitives pour adapter l'interaction de façon souple et dynamique à l'accès aux services numériques.

This thesis proposes an attentional relation detector aiming at identifying in real-time dependencies between users and devices equiped in a smart environment. These estimations are used to adapt human computer interaction in a flexible and continuous manner according to digital services. Our model is based on a gravitational and spotlight metaphor. The physical salience of objects is described as a mass. The estimated intention of users is represented by a speed vector which completes the attention definition. A quasi-linear combination provides the focus of attention. Combined with a model of limited resources, each part of attentional resources is distributed to objects according spatial relationships. We evaluate our model by simulating different spatial arrangements. The results were compared with results known in social sciences literature. Other estimations processed on real scenes have been compared with experts evaluation. The model is found robust to estimation of the direction of focus. Ln terms of the distribution of resources the level of agreement is sufficiently reliable. Our model permits a dynamic and flexible perception and can adapt the interaction according to the attentional state of users.