L’ENSTA en force à la conférence internationale sur la robotique et l’automatisation d’Atlanta

Le premier article est issu des travaux de thèse de Katell Lagatu, menée en cotutelle entre la Flinders University d’Adélaïde en Australie, Naval Group (Eva Artusi) et le campus de Brest de l’ENSTA (Benoit Clément). Ils visent à développer un contrôleur de drone sous-marin recourant à l’apprentissage par renforcement profond, un domaine de l’apprentissage automatique.

Le cas d’étude est celui d’un drone subissant des pannes et se montrant capable de les surmonter sans avoir besoin de les diagnostiquer, par simple redistribution de la poussée des propulseurs. Le contrôleur a été testé à plusieurs reprises en conditions réelles sur un drone sous-marin en Australie, établissant une première mondiale en termes de validation expérimentale.

Les deux autres articles ont été encadrés par Adriana Tapus, enseignante-chercheuse de l’Unité d’informatique et d’ingénierie des systèmes et directrice de l’école doctorale de l’Institut Polytechnique de Paris.

Le premier s’intéresse à l’estimation du niveau d’engagement et d’attention dans les interactions humains-robots grâce à un réseau bayésien dynamique qui permet de représenter l'évolution de variables aléatoires en fonction du temps.

La notion d’engagement est un concept clé dans l’interaction humain-robot en ce qu’il permet à la fois d’augmenter la qualité de l’expérience utilisateur et d’améliorer la performance dans l’accomplissement des tâches.

Le réseau bayésien dynamique proposé dans cet article intègre de nombreuses variables comme la rotation de la tête, les mouvements des yeux, les expressions faciales et même les variations de température à la surface du visage pour déterminer ce niveau d’engagement. Ce réseau a obtenu un taux de réussite dans ses classements de 83%, un résultat remarquable dans l’estimation d’un critère aussi subtil que le niveau d’engagement d’un interlocuteur dans une interaction.

Le second article encadré par Adriana Tapus est tout aussi impressionnant puisqu’il met en évidence l’aptitude d’un robot conversationnel à percevoir et pratiquer l’humour, une capacité de distanciation par rapport aux situations généralement considérée comme le propre de l’homme.

Ce robot conversationnel y parvient en prenant en compte le contexte de l’interaction, le profil de l’utilisateur ainsi que son état émotionnel.

Comparé au modèle GPT-4o et confronté à 24 participants, le modèle développé par l’équipe d’Adriana Tapus surclasse largement son rival que ce soit en termes de pertinence, d’enrichissement de la conversation ou de qualité générale d’interaction.