Service Communautaire d'Information sur la Recherche et le Développement - CORDIS

Des méthodes de pointe pour optimiser les interactions humain-robot

Une initiative de l'UE a étudié comment des équipes de robots et d'humains peuvent coexister et coopérer avec succès sans risque sur la sécurité et le confort des humains.
Des méthodes de pointe pour optimiser les interactions humain-robot
Il est important pour les utilisateurs et opérateurs humains d'interagir harmonieusement et sans effort avec les nombreux robots fonctionnant dans le monde réel. L'étude et le développement de méthodes pour ces interactions humain-robot, qui font intervenir des systèmes robotiques complexes et des équipes de plusieurs robots dans un environnement étendu, s'avèrent impossibles lorsque les expériences ne sont menées qu'avec des robots réels. Un défi majeur pour l'avenir est de parvenir à une synergie maximale entre les équipes de robots et les humains.

Le projet TRAVERSE (Towards very large scale human-robot synergy), financé par l'UE, a abordé cette question ouverte en étudiant et modélisant le comportement, la perception et la cognition d'un utilisateur et d'un opérateur humains, par une interaction avec des systèmes à grande échelle comportant plusieurs robots.

Les partenaires du projet ont développé des méthodes coopératives pour des fonctionnalités de perception d'équipe de robots s'étendant à un très grand nombre de robots. Ils ont mis en œuvre et vérifié une technique de perception coopérative évolutive à robots multiples. Celle-ci comprend un estimateur basé sur optimisation qui fonctionne en temps réel, une auto-localisation du robot, une localisation des coéquipiers et le suivi de la cible.

Les chercheurs ont modélisé et étudié les facteurs humains et système qui affectent l'efficacité des responsabilités communes lorsque des opérateurs humains interagissent avec de grandes équipes de robots pour réaliser une tâche collective. La tâche conjointe comportait une mission de recherche de survivants dans le cadre d'un scénario de catastrophe. Des expériences approfondies avec 35 sujets humains ont débouché sur deux résultats importants.

La tâche collaborative a été beaucoup mieux réalisée lorsque les robots étaient totalement autonomes pour explorer les environs alors que les opérateurs humains ne devaient que chercher des survivants dans les zones explorées. Lorsque les opérateurs devaient en plus contrôler les robots, leurs performances étaient nettement inférieures s'ils ne possédaient pas une bonne expérience sur les jeux vidéo ou s'ils n'avaient pas été formés.

Un deuxième résultat a montré que l'augmentation du nombre de robots dans l'équipe effectuant la tâche collaborative n'apporte qu'un faible avantage. Augmenter le nombre de robots, dans un scénario où les robots maintiennent certaines formations, agit au détriment de l'exploration puisque cela accroît rapidement la charge de calcul. On a également découvert que pour un faible nombre de robots, il n'y a aucune différence significative au niveau de l'efficacité de la tâche collaborative entre une équipe à robots multiples à contrôle individuel (où chaque robot est commandé individuellement) ou une équipe contrôlée par la formation (où le groupe est commandé dans son ensemble). Ceci suppose qu'un opérateur humain seul est responsable de la recherche réelle de survivants et de la tâche de classification.

Les fonctionnalités intégrées par TRAVERSE aux équipes de robots multiples devraient maximiser les performances collectives de ces équipes, tout en préservant une interaction intuitive, sans effort et naturelle avec les utilisateurs et opérateurs humains.

Informations connexes

Mots-clés

Interaction humain-robot, équipes de plusieurs robots, TRAVERSE, synergie humain-robot, recherche de survivants