Navigation sociale adaptative du robot en environnement humain dans une écologie réelle d'usages

Adaptative Social Navigation for Robots operating in Human Environments in real ecological use-cases

• Auteur / Autrice : Philip Scales
• Direction : Olivier Aycard, Véronique Aubergé
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 10/01/2024
• Etablissement(s) : Université Grenoble Alpes
• Ecole(s) doctorale(s) : École doctorale Mathématiques, sciences et technologies de l'information, informatique (Grenoble ; 1995-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'informatique de Grenoble (2007-....)
• Partenaire(s) de recherche : Equipe de recherche : Algorithms, principles and theories for collaborative knowledge acquisition and learning (Grenoble)
• Jury : Président / Présidente : Patrick Reignier
• Jury : Examinateurs / Examinatrices : Ioana Cristina Ocnarescu
• Jury : Rapporteur / Rapporteuse : Mohamed Chetouani, Adriana Tapus

Mots clés

Mots clés contrôlés

Systèmes homme-machine

Robots mobiles

Mots clés libres

Expériences Ecologiques

Robotique

Navigation Sociale

Ecological Experiments

Robotics

Social Navigation

Résumé

Les entreprises et les groupes de recherche cherchent à déployer des robots mobiles pour effectuer diverses tâches de navigation dans des environnements partagés avec des humains. Les premières approches étaient basées sur des algorithmes de navigation classiques qui considèrent les humains comme de simples obstacles, ce qui entraîne un comportement indésirable des robots. Le domaine de la navigation sociale vise à concevoir des algorithmes qui tiennent compte de facteurs sociaux tels que l'espace personnel, les normes sociales ou la prévisibilité et la fluidité du mouvement. Malgré ces améliorations, des problèmes subsistent quant à l'acceptation des robots, et l'ensemble des variables qui devraient être contrôlées par un algorithme de navigation sociale n'est pas connu. D'autre part, les humains ont tendance à attribuer des intentions sociales, attitudes ou affects à la manière dont un robot se déplace.Cette thèse aborde les questions suivantes : Quelles caractéristiques du mouvement du robot suscitent différentes attributions d'attitudes sociales ? Comment pouvons-nous concevoir un algorithme de navigation qui permette de contrôler ces caractéristiques ? Quel est l'impact de la perception sociale du robot sur la façon dont les gens interagissent avec lui et l'évaluent ? Pour répondre à ces questions, nous proposons de concevoir un algorithme de navigation sociale capable d'adapter le mouvement du robot en fonction de son impact sur la perception sociale humaine, sur la base d'une compréhension de la perception des robots mobiles acquise grâce à des études expérimentales.Notre première contribution est un modèle décrivant la correspondance entre les variations des mouvements du robot et la perception sociale et physique du robot par les humains. Nous procédons à partir des éléments de base de la locomotion et de l'apparence visuelle, et par analogie avec la prosodie vocale pour guider la sélection des variables constituant notre corpus de mouvements de robots. Une série d'expériences de perception en ligne et en personne montre que chaque variable du corpus a un impact significatif sur la perception sociale et physique, ce qui nous donne une première définition de la prosodie du mouvement que notre algorithme doit être capable de contrôler.Notre deuxième contribution est la conception, l'implémentation et la validation d'un algorithme de navigation sociale permettant de contrôler précisément les variables de mouvement du corpus. Nous proposons un algorithme de planification locale qui utilise des contraintes spécialement conçues pour s'assurer que les variations de la vitesse et de l'accélération du robot sont contrôlées conformément aux variables de notre corpus, même en environnement dynamique nécessitant une re-planification de la trajectoire. Le planificateur est intégré dans une architecture de navigation, et nous montrons sa capacité à exécuter des tâches de navigation tout en maintenant la prosodie de mouvement souhaitée.Notre troisième contribution est une étude en situation réelle de l'impact de la prosodie de mouvement sur la perception du robot par les participants, ainsi que leur comportement et leur évaluation des performances du robot. Le robot est déployé de manière autonome dans un bâtiment où il effectue une tâche de distribution de prospectus. Le robot utilise différents ensembles de contraintes prosodiques qui, selon notre modèle, sont associés à la perception d'attitude de confiance ou d'hésitation. Les résultats suggèrent que les variations du mouvement du robot n'ont pas eu le même effet sur la perception du robot que lors de nos expériences de perception. L'analyse des entretiens nous donne un aperçu des autres aspects du comportement et du mouvement du robot qui ont eu un impact sur les perceptions des participants, ce qui ouvre la voie à de futurs travaux visant à améliorer de manière itérative la compréhension de la prosodie du mouvement ainsi que l'algorithme de navigation.

Companies and research groups are increasingly aiming to deploy mobile robots to perform various navigation tasks in environments shared with humans. Early attempts used classical navigation algorithms which consider humans as mere obstacles to be avoided, leading to undesirable robot behaviour. The field of Social Navigation aims to design algorithms that account for various social factors such as personal space, social norms, or predictability and smoothness of the motion. Despite these improvements, there are still issues with the acceptance of current approaches, and the complete set of variables that a social navigation algorithm should account for is not known. Humans also tend to attribute social intentions, attitudes or affect to the way in which a robot moves.In this thesis, we explore the following questions: Which features of the robot's motion elicit different attributions of social attitudes? How can we design a navigation algorithm that provides control over these features? What is the impact of the social perception of the robot on how people interact with it and evaluate it? To work towards answering these questions, we propose to design a social navigation algorithm that can adapt the robot's motion according to its impact on human social perception, based on an understanding of human perception of mobile robots acquired through experimental studies.Our first contribution is a model describing the mapping between variations of robot motions and human social and physical perception of the robot. We start from the basic elements of locomotion and visual appearance, using analogies to vocal prosody to guide the selection of variables constituting our corpus of robot motions. Through a series of online and in-person perception experiments we find that each corpus variable significantly impacts participant's social and physical perception of the robot, providing us with a first definition of movement prosody which our algorithm must be able to control.Our second contribution is the design, implementation, and validation of a social navigation algorithm that provides precise control over the corpus motion variables. We propose a local planning algorithm that uses specially designed constraints to ensure that the variations in the robot's velocity, acceleration, and their timing are controlled in accordance with our motion corpus variables, even when changes in the dynamic environment require re-planning the trajectory. The planner is integrated into a navigation architecture, and we show its ability to execute navigation tasks while maintaining the desired movement prosody.Our third contribution is a real-world study of the impact of movement prosody on human perception, behaviour, and performance ratings of the robot. Unlike the initial perception tests, the robot is deployed fully autonomously with our algorithm in a campus hall, where it approaches people to hand out flyers. The robot uses different sets of prosody constraints that our model predicted to be associated with confident or hesitant attitudes. The results suggest that the effect of the variations of the robot's motion on participant perception differed from our perception experiments. Analysis of interviews provide us with insights into other aspects of the robot's behaviour and motion which impacted participants' perceptions, opening the path to future work to iteratively refine the understanding of movement prosody and the navigation algorithm.