Au coeur de l’interaction humain-robot collaboratif : comment concevoir une assistance personnalisée au profil utilisateur ?

At the core of human-collaborative robot interaction : how to devise a user profile-based assistance?

• Auteur / Autrice : Katleen Blanchet
• Direction : Amel Bouzeghoub, Selma Kchir, Olivier Lebec
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 13/01/2021
• Etablissement(s) : Institut polytechnique de Paris
• Ecole(s) doctorale(s) : École doctorale de l'Institut polytechnique de Paris
• Partenaire(s) de recherche : Laboratoire : Télécom SudParis (Evry ; 2012-....) - Institut Polytechnique de Paris / IP Paris - Département Informatique / INF - Algorithmes, Composants, Modèles Et Services pour l'informatique répartie / ACMES-SAMOVAR - Département Intelligence Ambiante et Systèmes Interactifs / DIASI - Laboratoire de Robotique Interactive / LRI
• Partenaire(s) de recherche : Etablissement opérateur d'inscription : Télécom SudParis (Evry ; 2012-....)
• Jury : Président / Présidente : Mohamed Chetouani
• Jury : Examinateurs / Examinatrices : Selma Kchir, Olivier Lebec, Damien Pellier, Daniel Sidobre, Sotiris Manitsaris, Adriana Tapus
• Jury : Rapporteurs / Rapporteuses : Damien Pellier, Daniel Sidobre

Mots clés

Mots clés contrôlés

Apprentissage automatique

Apprentissage par renforcement (intelligence artificielle)

Robots de service

Robots -- Programmation

Ontologies (informatique)

Interaction homme-robot

Mots clés libres

Collaboration humain-robot

Profil utilisateur

Assistance

Expertise

Ontologie

Apprentissage par renforcement

Human-robot collaboration

User profiling

Assistance

Skills

Ontology

Reinforcement learning

Résumé

La transformation des usines de production s’accélère, dirigée par les progrès de la robotique collaborative et de la science des données. L’organisation du travail évolue en conséquence, ce qui impacte directement les conditions de travail des opérateurs. Diminution d’autonomie, surcharge d’informations, cadence accrue, les opérateurs doivent modifier leurs habitudes et apprendre à collaborer avec le robot. Dans ce contexte, l’objectif de ce travail de recherche est d’améliorer la qualité de vie au travail des opérateurs, lors de la réalisation d’une tâche collaborative avec contact physique, par une assistance personnalisée au profil utilisateur. Dans la littérature, les assistances s'appuient sur des dispositifs d'observation externes, sources de stress, et proposent exclusivement des ajustements du comportement du robot, basés sur des connaissances à priori. Ainsi, ces assistances ne s'adaptent pas dynamiquement aux variations du comportement de l'homme. Afin de pallier ces verrous scientifiques, cette étude présente deux contributions. En premier lieu, nous proposons une méthodologie d'extraction d'informations haut niveau sur le profil utilisateur à partir des signaux bruts du robot, appliquée à l'expertise. Dans un second temps, nous soumettons une approche hybride d'assistance au profil, qui combine l'apprentissage par renforcement centré sur l'humain et l'approche symbolique (ontologie et raisonnement logique), pour guider les opérateurs vers une montée en compétence. Cette synergie garantit une adaptation en ligne aux besoins des utilisateurs tout en réduisant le processus d'apprentissage. Puis, nous enrichissons l’assistance motrice (robotique) par une assistance informative. Nous avons démontré, par une simulation et des expérimentations en conditions réelles sur trois cas d'usage robotique, la cohérence de notre profil ainsi que l'effet positif de l'assistance sur l'acquisition des compétences. Nous créons ainsi un climat plus propice à l'épanouissement professionnel en diminuant la charge mentale.

The transformation of production plants is accelerating, driven by advances in collaborative robotics and data science. As a result, the organisation of work is changing, directly affecting the working conditions of operators. Loss of autonomy, information overload, increased pace, operators have to change their habits and learn to collaborate with the robot. In this context, the aim of this research work is to improve the operators quality of life at work, while performing a physical collaborative task, by means of user profile-based assistance. In the literature, the assistance mainly relies on external observation devices, causes of stress, and proposes exclusively a priori-based adjustments of the robot's behaviour. Thus, these assistance do not dynamically adapt to human behaviour variations. In order to overcome these challenges, this study presents two contributions. Firstly, we propose a methodology for extracting high-level information on the user profile from the robot raw signals, which is applied to expertise. We then introduce a hybrid approach to profile-based assistance which combines human-centered reinforcement learning and symbolic logic (ontology and reasoning) to guide operators towards skill improvement. This synergy guarantees online adaptation to user needs while reducing the learning process. Then, we extend the robotic assistance with informative assistance. We have demonstrated, through simulation and experiments in real conditions on three robotic usecases, the consistency of our profile as well as the positive effect of the assistance on the skills acquisition. We thereby create a more favourable environment for professional satisfaction by reducing the mental workload.