En poursuivant votre navigation sur ce site, vous acceptez le dépôt de cookies dans votre navigateur. (En savoir plus)

Thèse financée H/F : rythmes et compliance motrice émotionnelle en robotique humanoide

Cette offre est disponible dans les langues suivantes :
Français - Anglais

Date Limite Candidature : lundi 19 avril 2021

Assurez-vous que votre profil candidat soit correctement renseigné avant de postuler. Les informations de votre profil complètent celles associées à chaque candidature. Afin d’augmenter votre visibilité sur notre Portail Emploi et ainsi permettre aux recruteurs de consulter votre profil candidat, vous avez la possibilité de déposer votre CV dans notre CVThèque en un clic !

Faites connaître cette offre !

Informations générales

Référence : UMR9193-YVODEL-001
Lieu de travail : VILLENEUVE D ASCQ
Date de publication : lundi 29 mars 2021
Nom du responsable scientifique : Pr. Yvonne N. Delevoye-Turrell
Type de contrat : CDD Doctorant/Contrat doctoral
Durée du contrat : 36 mois
Date de début de la thèse : 1 septembre 2021
Quotité de travail : Temps complet
Rémunération : 2 135,00 € brut mensuel

Description du sujet de thèse

Description du projet : Les avancées récentes en matière de deep learning ont permis de développer des outils de reconnaissance des émotions, particulièrement au niveau des expressions faciales. Avec l'arrivée du COVID-19 et l'obligation du port du masque, on se rend compte que les expressions faciales sont plus difficiles à reconnaître et à analyser. Il est donc intéressant de comprendre les autres indices corporels liés à l'émotion comme la cinématique et la dynamique corporelle (i.e., la façon de se déplacer) qui pourraient remplacer les expressions faciales dans le décodage de ces états affectifs. Des études ont déjà montré que les émotions pouvaient transparaître de la cinématique corporelle [1].
L'objectif de ce projet de thèse est de déterminer les paramètres qui permettent de percevoir l'état affectif d'une personne. En développant des algorithmes d'apprentissage de deep learning appliqués sur des paramètres de mouvement biologique humain.L'objectif premier est de tester l'hypothèse selon laquelle il est possible de classifier automatiquement les états affectifs à partir de la cinématique et de la dynamique corporelle de mouvements 3D, particulièrement la posture et les mouvements rythmiques
Au laboratoire SCALab (UMR9193) de l'Université de Lille, un système de modélisation 3D de la cinématique du corps et une montre physiologique sont utilisés pour caractériser les effets d'une induction émotionnelle sur la posture, le rythme et la compliance motrice chez des participants humains. Deux comportements cibles sont considérés : une tâche de marche spontanée et une tâche de pédalage sur ergo cycle.
L'utilisation combinée de ces deux bases de données obtenues par ce système de capture de mouvements permettra de tester l'hypothèse d'une généralisation possible entre-tâches. La question étant : « est ce qu'un même algorithme peut être utilisé pour décoder la nature de l'état affectif humain lorsque cette personne change de comportement moteur ? ».
Ces paramètres de perception de l'état affectif seront utilisés pour définir l'architecture du contrôleur bio-inspiré d'un robot humanoïde afin de valider les hypothèses proposées notamment suivant les échelles d'énergie (éveil) et de valence émotionnelle (positive/négative). Ce contrôleur bio-inspiré sera à base de réseaux de neurones de type central pattern generators (CPGs) qui intègrent des oscillateurs dynamiques ayant la capacité à se synchroniser sur un signal qui leur est appliqué [2]. Des mécanismes de neuromodulation seront implémentés afin de permettre l'apprentissage des boucles sensorimotrices et donc l'émergence de synchronies favorisant l'interaction [4], mais également des rythmes qui suggèrent des états émotionnels spécifiques.
Cette partie de la thèse sera menée en collaboration avec le laboratoire LORIA (UMR 7503) de Nancy qui possède l'expertise du développement de ce type de contrôleur sur des robots humanoïdes en interaction avec l'humain. Plus particulièrement, ces paramètres émotionnels agiront comme des neuromodulateurs qui influenceront les paramètres intrinsèques des CPGs. Cela les rendra plus ou moins aptes à produire des rythmes endogènes et à se synchroniser sur des signaux exogènes perçus chez l'humain par le robot [4]. Deux types d'expériences d'interactions sont envisagés :
• l'interaction physique : contrôle du handshaking [3] entre l'humain et un bras robotique Franka équipé d'une main artificielle. Le contrôleur bio-inspiré devra donner au robot la capacité de réaliser cet acte social avec un affect variable, c'est à dire que l'humain devra ressentir différents états affectifs du robot ;
• l'interaction sociale : contrôle de la gestuelle rythmique et de la posture d'un robot humanoïde (Pepper, Talos). Le contrôleur bio-inspiré devra donner au robot une posture sociale et des gestes qui produiront un affect perceptible par l'humain
Les résultats de la thèse permettront :
• du point de vue des sciences cognitives: avoir une meilleure connaissance des micro-variants moteurs qui permettent la perception des états affectifs chez un individu,
• du point de vue de la robotique: proposer des modèles de contrôleurs bio-inspirés qui donneront aux robots humanoïdes des capacités d'interaction sociale apportant une meilleure acceptabilité par l'humain.

Contexte de travail

L'Unité Mixte de Recherche (UMR 9193) Sciences Cognitives et Sciences Affectives-SCALab, placée sous la tutelle des Universités de Lille ainsi que du CNRS, a été créée le 1er janvier 2015.

SCALab regroupe des chercheurs, enseignants-chercheurs et cliniciens autour d'un projet de recherche commun centré sur l'étude expérimentale et neuroscientifique des interrelations entre cognition, émotion et comportement. Le projet scientifique de SCALab vise à comprendre les aspects cognitifs et affectifs des interactions avec le monde physique et culturel (perception, action, conceptualisation) et avec le monde social (interrelations, langage).
Le programme de recherche qui est développé se positionne à la frontière des sciences humaines et sociales et des neurosciences, favorisant ainsi une approche scientifique pluridisciplinaire et translationnelle prenant appui sur les outils numériques innovants.

Informations complémentaires

La/le candidat(e) doit avoir une solide expérience en informatique et en IA. En particulier, les qualités et compétences suivantes seront très appréciées, voire requises:

* Des bases solides en apprentissage automatique ou en exploration de données;
* Expériences antérieures dans l'exploration de données IA;
* Expériences en programmation (Python ou C / C ++);
* Connaissances en robotique et en contrôle des robots
* Une expérience en psychologie expérimentale ou en biomécanique humaine est un plus;
* Bonnes compétences en lecture / expression orale en anglais.

Ce projet est en collaboration avec le Laboratoire LORIA (UMR 7503 CNRS) à Nancy (https://neurosys.loria.fr/research/) sous la co-direction du Pr. Patrick Henaff. Ainsi, la/le candidat(e) retenu(e) devra se déplacer à certaines occasions sur Nancy (tous les frais seront pris en charge).

On en parle sur Twitter !