Planifier pour le robot et l'humain : Anticiper et accompagner les décisions de l'humain
Auteur / Autrice : | Guilhem Buisan |
Direction : | Thierry Siméon |
Type : | Thèse de doctorat |
Discipline(s) : | Robotique |
Date : | Soutenance le 06/07/2021 |
Etablissement(s) : | Toulouse, INSA |
Ecole(s) doctorale(s) : | École doctorale Systèmes (Toulouse ; 1999-....) |
Partenaire(s) de recherche : | Laboratoire : LAAS - Laboratoire d'Analyse et d'Architecture des Systèmes - Laboratoire d'analyse et d'architecture des systèmes / LAAS |
Jury : | Président / Présidente : Stéphane Conversy |
Examinateurs / Examinatrices : Thierry Siméon, Olivier Simonin, Daniele Nardi, Rachid Alami, Julie Shah | |
Rapporteurs / Rapporteuses : Olivier Simonin, Daniele Nardi |
Mots clés
Mots clés contrôlés
Mots clés libres
Résumé
Les robots sont aujourd'hui capables d'effectuer de manière autonome des tâches toujours plus complexes. Cependant, ils sont encore soit utilisés avec une séparation physique des humains, soit limités lorsqu'ils évoluent au voisinage immédiat d'humains. Dans cette thèse, nous proposons plusieurs approches visant à planifier pour le robot mais aussi pour l'humain. Les plans alors produits prennent en compte l'humain en prédisant et encourageant leurs actions, menant à de meilleures interactions humains-robots (HRI).Premièrement, nous montrons à travers une étude utilisateur, dans quelle mesure une telle approche appliquée à la navigation est cruciale pour une interaction efficiente et satisfaisante. Planifier pour le robot et l'humain permet en effet de trouver des solutions dans des situations d'interaction complexes mais aussi au robot d'avoir un comportement plus lisible et proactif. Deuxièmement, nous présentons un algorithme de génération d'expression de référence, rapide et pensé pour la HRI. Nous utilisons ensuite cet algorithme pour estimer la faisabilité et le coût des actions de communication pendant la planification de tâches, permettant d'éviter des impasses et des plans sous optimaux. Enfin, nous proposons une approche novatrice à la planification de tâches humain robot, dans laquelle les modèles de l'action et décision des deux agents sont distincts et utilisés pour produire des plans conditionnels.