[tel-01076430] Modèles Décisionnels d'Interaction Homme-Robot

This thesis is focused on decision models for human-robot interaction based on Markovian Decision Processes First we propose an augmented decision model that allows a companion robot to act considering estimated human intentions This model addresses the problem of estimating the intention of the human by observing his actions We proposed to simulate the behavior of a human to build a library of human action values toward his possible intentions These values are integrated into the augmented Partially Observable Markov Decision Process POMDP Second we present a coactive decision model that allows a robot in collaboration with a human to choose his behavior according to the progress of the shared task This model is based on an augmented POMDP and allows the robot to act coactively to encourage the human actions and to perform the task in harmony with him Third we also propose a unified model for different types of human-robot interactions where the robot analyzes the needs of the human and acts accordingly To overcome the complexity of POMDPs the unified model divides the problem into several parts the first estimates the human intention with a hidden Markov model HMM and another is responsible for choosing the corresponding type of interaction collaboration assistance cooperation using a Markov Decision Process MDP Finally we propose a model that alternates between verbal interaction to infer the preference of the human using queries and non-verbal interaction in which preferences are estimated by observing the human actions This model switches back to the verbal interaction when an ambiguity about the preferences is detectedNous étudions des Modèles Décisionnels pour l'Interaction Homme-Robot basés sur des Processus Décisionnels Markoviens Premièrement nous proposons un modèle de décision augmenté du robot compagnon afin d'agir en tenant compte de l'intention estimée de l'être humain Ce modèle traite le problème d'estimation de l'intention de l'être humain en observant ses actions Nous avons proposé de simuler le comportement de l'être humain afin de construire une bibliothèque de valeurs de ses actions par rapport à ses intentions possibles Ces valeurs sont intégrées dans un Processus Décisionnel Markovien Partiellement Observable POMDP Nous parlerons alors de POMDP augmenté Deuxièmement nous avons présenté un modèle de décision qui permet au robot en collaborat ion avec un être humain de choisir son comportement selon l'avancement de la réalisation de la tâche partagée Ce modèle est basé sur un POMDP augmenté et permet au robot d'être coactif afin d'inciter l'action de l'humain pour réaliser la tâche en harmonie avec lui Troisièmement nous avons aussi défini un modèle unifié pour diffèrent types d'interaction homme-robot où le robot analyse les besoins de l'humain et agit en conséquence Afin de contourner la complexité des POMDPs le modèle unifié sépare le problème en deux partie une première responsable d'estimer les intention de l'humain avec une chaîne de Markov Cachée HMM et une deuxième responsable de choisir le type d'interaction correspondant collaboration assistance coopération avec un Processus Décisionnel Markovien MDP F inalement nous proposons un modèle qui alterne entre interaction verbale afin d'inférer les préférence de l'humain et interaction non-verbale où les préférences sont estimés en observant les actions de l'humain Ce modèle permet de revenir à l'interaction verbale quand une ambiguïté dans les préférences est détectée



from HAL : Dernières publications http://ift.tt/1FBdF5s