Comment utiliser la théorie des jeux au profit de la collaboration entre l’humain et le robot
Et si les robots pouvaient travailler avec nous afin de nous permettre d’effectuer des activités, telles qu’un entraînement sportif ou une rééducation physique? Afin de nous aider à atteindre nos objectifs, ils auraient besoin de comprendre nos actions et d’adapter leur comportement en conséquence. Même si les robots sont de plus en plus utilisés dans plusieurs domaines, en allant de la fabrication à la chirurgie médicale, ils ne peuvent pas réagir de manière optimale aux utilisateurs individuels. Partiellement soutenus par le projet CoglMon, financé par l’UE, des scientifiques ont répondu à ce défi en adaptant la théorie des jeux pour analyser l’interaction physique entre un robot et un humain. Leur recherche a été récemment publiée dans la revue «Nature Machine Intelligence». Un article de l’Imperial College London résume le cadre théorique de cette étude: «Pour appliquer avec succès la théorie des jeux à leur interaction, les chercheurs ont dû résoudre le fait que le robot ne puisse pas prédire les intentions de l’humain seulement par le raisonnement.» Apprendre le comportement humain L’équipe de recherche a examiné de quelle manière «devrait être contrôlé un robot de contact pour apporter une réponse stable et adaptée à un utilisateur au comportement inconnu qui effectue des mouvements au cours d’activités, telles que l’entraînement sportif, la rééducation physique ou le covoiturage.» Il est déclaré dans l’article de l’Imperial College London que l’équipe s’est intéressée à «la différence entre ses mouvements attendus et ses mouvements réels pour estimer la stratégie humaine – comment l’humain utilise les erreurs dans une tâche pour générer de nouvelles actions.» Et il est ajouté que: «Par exemple, si la stratégie de l’humain ne leur permet pas d’accomplir cette tâche, le robot peut fournir davantage d’efforts pour les aider. Apprendre au robot à prédire la stratégie de l’humain lui fait changer sa propre stratégie en retour.» Les scientifiques ont testé leur cadre dans des simulations et des expérimentations avec des sujets humains. Ils ont démontré «que le robot peut s’adapter quand la stratégie de l’humain change lentement, comme si l’humain récupérait de la force, et quand la stratégie de l’humain change et est incohérente, comme après une blessure», selon le même article. Le projet CogIMon (Cognitive Interaction in Motion) a été mis en place pour modifier «la façon dont les robots interagissent avec les humains en introduisant des robots plus faciles à utiliser, qui sont plus flexibles et plus dociles, et qui apprennent davantage», comme expliqué sur le site web du projet. «Le projet CoglMon vise un changement par étape dans l’interaction entre le robot et l’humain vers une intégration systémique de capacités d’interaction robustes et fiables pour des équipes d’humains et de robots dociles, en particulier l’humanoïde docile COMAN.» Il est également indiqué que, pour atteindre son objectif, le projet utilise «des démonstrations évoluées, en situation réelle, de prise et de lancer dociles interactifs, faites par un robot, une interaction avec COMANS sous le changement de contact et de composition de l’équipe, et dans un modèle entièrement porté par l’ingénierie de manipulation à multi‑bras.» Le robot COmpliant HuMANoid Platform (COMAN) a été mis au point dans le cadre du projet FP7 AMARSi (Adaptive Modular Architecture for Rich Motor Skills) qui s’est déroulé entre 2010 et 2014. Grâce à sa robustesse physique, il peut marcher et garder l’équilibre, et il est entièrement autonome d’un point de vue énergétique, comme expliqué sur le site web du projet AMARSi. Pour plus d’informations, veuillez consulter: site web du projet CoglMon
Pays
Allemagne
