Percevoir et agir face à un objet dont la trajectoire est difficilement prévisible

Perceiving and interacting with an object whose trajectory is difficult to predict

• Auteur / Autrice : Olga Polezhaeva
• Direction : Michel-Ange Amorim, Stefan Glasauer
• Type : Projet de thèse
• Discipline(s) : Sciences du sport et du mouvement humain
• Date : Inscription en doctorat le 30/09/2022
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Sciences du sport, de la motricité et du mouvement humain
• Partenaire(s) de recherche : Laboratoire : CIAMS - Complexité, Innovation, Activités Motrices et Sportives
• Partenaire(s) de recherche : Référent : Faculté des sciences du sport

Mots clés

Mots clés libres

Perception d'un objet en mouvement

Prise de décision

Modèles bayésiens

Modèles de diffusion

Évitement

Approche

Drift-diffusion models

Decision-making

Objet motion perception

Avoidance

Bayesian models

Approach

Résumé

Dans la vie quotidienne, nous sommes souvent confrontés à diverses sources d'incertitude : nos capteurs sensoriels fournissent des informations incertaines ou incomplètes, et les stimuli en mouvement dans l'environnement peuvent également modifier leur comportement de manière imprévisible. Par exemple, lorsque nous déterminons l'emplacement final d'une pomme tombant d'un arbre tout en heurtant des branches (incertitude environnementale) et en étant partiellement cachée par des feuilles (incertitude sensorielle). De même, lorsque nous conduisons alors qu'il neige abondamment et que nous sommes confrontés à une voiture qui s'approche et dont la trajectoire semble aléatoire : est-ce parce que son conducteur est ivre ou souffre d'un arrêt cardiaque soudain, est-ce parce que la route est glissante, ou est-ce que le caractère aléatoire est dû à la neige et au vent ? Ce projet de recherche de doctorat vise à étudier comment les gens gèrent des situations dans lesquelles la source d'incertitude est ambiguë, mais où une mauvaise attribution de l'incertitude modifie de manière décisive la perception et les actions motrices. Comment apprenons-nous à attribuer correctement l'incertitude et à ajuster le processus perceptif ? A notre connaissance, cela n'a pas été bien étudié, que ce soit expérimentalement ou par la modélisation computationnelle des processus décisionnels. Des expériences comportementales seront utilisées pour étudier comment le mouvement d'un objet est perçu lorsqu'il est influencé par des perturbations d'origine incertaine (objectif 1). Le déplacement aléatoire observé pendant le mouvement pourrait être dû à un mouvement aléatoire réel de l'objet (par exemple, un processus i.i.d. où chaque position est indépendante de la précédente, ou une marche aléatoire où chaque position dépend temporellement de la position précédente), ou à une observation incomplète (par exemple, une occlusion) ou perturbée (par exemple, un bruit). En outre, l'apprentissage de la structure globale de l'incertitude sensorielle sera étudié lorsque l'objet doit être soit attrapé, soit évité (objectif 2). Des preuves neuroscientifiques ont montré que les mouvements du bras d'approche ou d'évitement correspondent à des flux de traitement perception-action différents. Par conséquent, selon nous, la prise de décision variera selon que l'action est un mouvement vers ou pour éviter un objet en approche. De plus, en appliquant différentes modalités de réponse (par exemple, des tâches psychophysiques ; des mouvements d'interception ou d'évitement) et de feedback sur la performance, nous testerons comment les participants perçoivent l'incertitude présentée et si les réponses reflètent les sources de variabilité appliquées expérimentalement. Enfin, les données comportementales (temps de réponse, erreurs, etc.) seront analysées à l'aide de modèles de dérive-diffusion des processus de décision, et comparées aux prédictions de modèles bayésiens afin d'étendre les travaux précédents qui tentent de relier les deux perspectives théoriques (objectif 3). Les résultats de ce projet permettront de mieux comprendre la manière dont les gens font face aux événements aléatoires et comment cette capacité peut être améliorée pour agir de manière appropriée. A l'issue de sa thèse, le/la candidat/e retenu.e aura ainsi acquis plusieurs compétences cruciales en recherche: la mise œuvre de protocoles expérimentaux (en réalité virtuelle) nécessitant le recueil de données comportementales (psychophysique et capture de mouvement), la capacité d'analyser et de modéliser les processus de décision à l'origine des données comportementales.

In daily life, we often deal with various sources of uncertainty: our sensors provide uncertain or incomplete information, and moving stimuli in the environment can also change their behavior unpredictably. For example, when determining the final location of an apple falling from a tree while hitting branches (environmental uncertainty) and partly hidden by leaves (sensory uncertainty). Likewise, when we drive while the snow is falling heavily and face an approaching car having a seemingly random trajectory: is it because its driver is drunk or suffering from sudden cardiac failure, is it because the road is slippery, or is the randomness due to the snow and wind? This Ph.D. thesis project aims at investigating how people deal with situations in which the source of uncertainty is ambiguous, but a wrong attribution of uncertainty decisively changes perception and motor actions. How do we learn to correctly assign uncertainty and adjust the perceptual process? To our knowledge, this has not been well studied either experimentally or through computational modelling of decisional processes. Behavioural experiments will be used to investigate how an object movement is perceived when it is influenced by disturbances of unclear origin (Objective 1). The observed random displacement during movement could be due to true random motion of the object (e.g., an i.i.d. process where each position is independent of the previous one, or a random walk where each position is time-dependent on the previous position), or to incomplete (e.g., occlusion) or disturbed (e.g., noise) observation. Furthermore, the learning of the global structure of sensory uncertainty will be studied when the object is to be either caught or avoided (Objective 2). Neuroscientific evidence has shown that approach and avoid arm movements correspond to different perception-action streams of processing. Therefore, our contention is that decision-making would vary depending on the action being toward or away relative to an approaching object. Moreover, by applying different response modalities (e.g., psychophysical tasks; catch or avoid movements) and performance feedback we will test how participants perceive the uncertainty presented and whether the responses reflect the experimentally applied sources of variability. Finally, behavioural data (response times, errors, etc.) will be analyzed using drift-diffusion models of decision-making processes, and compared to possible accounts of the Bayesian approach in order to extend previous work trying to link both theoretical perspectives (Objective 3). Our results will lead to a better understanding of the way people deal with random events and how this capacity can be improved for acting appropriately. At the end of his/her PhD thesis, the successful candidate will have acquired several crucial research skills: the implementation of experimental protocols (in virtual reality) requiring the collection of behavioral data (psychophysics and motion capture), the ability to analyze and model the decision processes at the origin of behavioral data.