Autonomie partagée haptique résiliente pour la manipulation mobile collaborative en environnements dégradés (H/F)

Description du Poste

Sujet De Thèse

Développer une architecture de commande partagée résiliente pour les manipulateurs mobiles dans des environnements dangereux ou dégradés. Intégrer une allocation de rôles adaptative pilotée par l'IA avec un retour sensoriel portable intuitif pour ajuster l'autonomie en fonction de l'incertitude environnementale en temps réel et de l'état cognitif de l'opérateur. Assurer le succès et la sécurité de la mission lors de tâches collaboratives tout en minimisant la charge cognitive et physique de l'opérateur.

Contexte général et problème opérationnel. Lors d'opérations de haute intensité ou de réponses aux catastrophes, les opérateurs doivent transporter de lourdes charges (équipements, fournitures, blessés) sur des terrains non structurés et dangereux. Bien que les robots logistiques autonomes ("assistants") offrent une solution, ils manquent actuellement de la résilience nécessaire pour fonctionner de manière fiable dans des environnements dégradés (zones sans signal GNSS, obscurcissement visuel par la fumée/poussière, sol instable). À l'inverse, la téléopération pure ou le guidage manuel exigent une grande attention cognitive, rendant l'opérateur vulnérable et incapable de maintenir sa conscience de la situation. Le verrou scientifique critique est la rigidité de la collaboration homme-robot actuelle. Les systèmes existants utilisent des définitions de rôles statiques, qui échouent lorsque le robot perd sa confiance perceptive ou que l'humain devient cognitivement saturé. Pour être opérationnellement viable, le partenaire robotique doit posséder des capacités de prise de décision adaptative, basculant de manière fluide entre l'autonomie et la commande humaine totale en fonction du contexte.

État de l'art. Les méthodes actuelles de commande partagée reposent généralement sur des paramètres d'impédance fixes ou des interfaces de retour visuel. Cependant, dans des scénarios très exigeants, le canal visuel est souvent surchargé. Les canaux de communication "silencieux" sont sous-utilisés. De plus, la plupart des piles de navigation autonome sont fragiles ; elles s'arrêtent simplement en cas d'incertitude, au lieu de demander une aide spécifique à faible bande passante. Ce projet fait progresser l'état de l'art en proposant un cadre adaptatif, bidirectionnel et basé sur l'IA, où le robot et l'humain négocient continuellement l'autorité via l'interaction physique et des indices haptiques. Le verrou scientifique central est la rigidité des architectures de commande partagée de pointe. La plupart des cadres d'interaction homme-robot (IHR) existants reposent sur une allocation de rôles statique. Cela s'avère dangereux et très inefficace dans des environnements dynamiques : si la perception se dégrade, le robot peut exécuter des manœuvres risquées. Inversement, si l'opérateur subit un stress cognitif, ses commandes peuvent devenir sous-optimales et erratiques. Les systèmes actuels manquent de l'"autonomie décisionnelle adaptative" requise pour gérer ces incertitudes. Ils fonctionnent comme des outils passifs plutôt que comme des partenaires intelligents capables de planifier en temps réel dans l'incertitude.

Approche proposée : Autonomie partagée haptique résiliente pilotée par l'IA. Cette thèse propose un changement de paradigme, passant de la "supervision" à un "partenariat symbiotique" piloté par une IA embarquée. L'objectif est de développer un cadre de commande partagée haptique adaptatif assurant la résilience opérationnelle. Nous voulons atteindre un nouveau paradigme d'unité opérationnelle augmentée par la robotique. La recherche s'articule autour de trois axes scientifiques spécifiques :

1. Allocation d'autorité dynamique basée sur l'IA. Nous irons au-delà de la commande en impédance fixe vers une autonomie ajustable pilotée par des estimateurs basés sur l'apprentissage. Le système fonctionnera comme une négociation en temps réel entre deux agents. En utilisant la fusion de capteurs (vision, proprioception, tactile), le robot calculera un score de "confiance d'autonomie" en temps réel. Nous étudierons les réseaux de neurones bayésiens ou les processus gaussiens pour quantifier l'incertitude perceptive dans les environnements dégradés. À l'aide de techniques d'apprentissage automatique (ML), le système analysera les forces d'interaction et la dynamique du mouvement pour déduire l'intention et l'état physique (fatigue, stress) de l'opérateur. Une politique pilotée par l'IA modifiera dynamiquement l'autorité. Si le robot est "confiant" et que l'humain est surchargé, l'IA augmente la rigidité pour assurer la sécurité. Si le robot est incertain de l'état actuel, il cède la commande en douceur, demandant le guidage humain.

2. Langage haptique pour la décharge cognitive. Pour répondre à la priorité d'optimisation de la charge mentale de travail, nous développerons un "vocabulaire haptique" pour la communication non visuelle. L'interface produira des signaux physiques distincts (changements de rigidité, impulsions rythmiques) pour transmettre l'état de décision de l'IA (par ex. un raidissement implique une incertitude ou un obstacle). Une traction active indique un chemin de haute confiance à suivre. Cela garantit des échanges naturels, permettant une opération "tête haute" où l'opérateur comprend l'intention de l'IA par le toucher, en particulier lorsque le canal visuel n'est pas disponible.

3. Résilience et stabilité physiques. Les lois de commande doivent assurer une navigation résiliente et une interaction intuitive. Nous développerons des stratégies de commande du corps entier qui absorbent mécaniquement les signaux perturbateurs (irrégularités du terrain, vent) sans les transmettre à l'opérateur. Ce filtrage physique réduit la fatigue physique et assure l'endurance de la mission.

Impact opérationnel et pertinence pratique. Ce projet cible directement le déficit de capacités concernant le déploiement de systèmes autonomes dans des environnements dangereux (zones sans signal GNSS, fumée, décombres), où l'autonomie actuelle de type "boîte noire" échoue. En validant une commande partagée haptique résiliente, cette recherche transforme l'agent robotique d'un objet passif en un coéquipier proactif.

- Retombées principales : Assure la continuité opérationnelle dans des scénarios de haute intensité (logistique, ingénierie) en intégrant de manière fluide la perspicacité humaine lorsque la perception du robot se dégrade. Préserve la conscience de la situation de l'opérateur (opération "tête haute") et instaure la confiance requise pour l'extraction de blessés et la collaboration de proximité.

- Retombées industrielles et d'urgence : Se transfère directement à la recherche et au sauvetage dans les zones sinistrées et à la logistique industrielle dans les zones dangereuses où la visibilité est mauvaise et la téléopération exigeante sur le plan cognitif.

- Échelle de temps d'intégration : À la fin de la thèse (Année 3), nous livrerons un prototype de laboratoire validé. Nous estimons un délai de 3 à 5 ans après la thèse pour obtenir un système déployable sur le terrain en collaboration avec des partenaires industriels.

Alignement avec les priorités stratégiques : Cette proposition est intrinsèquement transversale, abordant des priorités critiques dans deux domaines principaux, soutenus par un troisième domaine méthodologique. Elle traite de la prise de décision autonome et de la navigation résiliente. Elle optimise la charge de travail mentale et masque la complexité, renforçant la confiance et le partenariat avec les artefacts technologiques. L'IA sert de technologie habilitante de base pour atteindre ces objectifs, en utilisant des estimateurs basés sur l'apprentissage et l'apprentissage par renforcement.

Votre Environnement de Travail

IRISA/CNRS - RAINBOW team

A propos du laboratoire
=============
www.irisa.fr
L'IRISA est aujourd'hui l'un des plus grands laboratoires de recherche français (plus de 850 personnes) dans le domaine de l'informatique et des technologies de l'information. Structuré en sept départements scientifiques, l'IRISA est un laboratoire d'excellence dont les priorités scientifiques sont la bioinformatique, la sécurité des systèmes, les nouvelles architectures logicielles, la réalité virtuelle, l'analyse des big data et l'intelligence artificielle. Tourné vers l'avenir de l'informatique et nécessairement tourné vers l'international, l'IRISA est au cœur même de la transition numérique de la société et de l'innovation au service de la cybersécurité, de la santé, de l'environnement et de l'écologie, des transports, de la robotique, de l'énergie, de la culture et de l'intelligence artificielle.

Présentation du CNRS en tant qu'employeur : https://www.cnrs.fr/fr/le-cnrs
Présentation de l'IRISA comme laboratoire d'affectation : https://www.irisa.fr/umr-6074

Rémunération et avantages

Rémunération

La rémunération est d'un minimum de 2300,00 € mensuel

Congés et RTT annuels

44 jours

Pratique et Indemnisation du TT

Pratique et indemnisation du TT

Transport

Prise en charge à 75% du coût et forfait mobilité durable jusqu’à 300€

À propos de l’offre

À propos du CNRS

Le CNRS est un acteur majeur de la recherche fondamentale à une échelle mondiale. Le CNRS est le seul organisme français actif dans tous les domaines scientifiques. Sa position unique de multi-spécialiste lui permet d’associer les différentes disciplines pour affronter les défis les plus importants du monde contemporain, en lien avec les acteurs du changement.

Le CNRS

Les métiers de la recherche