L'utilisation de commandes gestuelles est une nouvelle méthode d'interaction sur interface tactile. Une bonne méthode pour faciliter la mémorisation de ces commandes gestuelles est de laisser l'utilisateur les personnaliser. Ce contexte applicatif induit une situation d'apprentissage croisé, où l'utilisateur doit mémoriser le jeu de symboles elle système doit apprendre à reconnaître les différents symboles. Cela implique un certain nombre de contraintes, à la fois sur le système de reconnaissance de symboles ct sur le système de supervision de son apprentissage. Il faut par exemple que le classifieur puisse apprendre à partir de peu de données, continuer à apprendre pendant son utilisation et suivre toute évolution des données indéfiniment. Le superviseur doit quant à lui optimiser la coopération entre l'utilisateur et le système de reconnaissance pour minimiser les interactions tout en maximisant l'apprentissage. Cette thèse présente d'une part, le système d'apprentissage évolutif Evolve oo, capable d'apprendre rapidement il partir de peu de données et de suivre les changements de concepts. D'autre part, elle introduit le superviseur actif en-ligne lntuiSup qui permet d'optimiser la coopération entre le système et l'utilisateur, lors de l'utilisation de commandes gestuelles personnalisées notamment Evolve oo est un système d'inférence floue, capable d'apprendre rapidement grâce aux capacités génératrices des prémisses des règles, tout en permettant d'obtenir une précision élevée grâce aux capacités discriminantes des conclusions d'ordre un. L'intégration d'oubli dans le processus d'apprentissage permet de maintenir le gain de l'apprentissage indéfiniment, permettant ainsi l'ajout de classes à n'importe quel moment de l'utilisation du système ct garantissant son évolutivité « à vie». Le superviseur actif en-ligne lntuiSup permet d'optimiser les interactions avec l'utilisateur pour entraîner un système d'apprentissage lorsque l'utilisateur est dans la boucle. Il permet de faire évoluer la proportion de données que l'utilisateur doit étiqueter en fonction de la difficulté du problème et de l'évolution de l'environnement (changements de concepts). L'utilisation d'une méthode de« dopage» de l'apprentissage permet d'optimiser la répartition de ces interactions avec l'utilisateur pour maximiser leur impact sur l'apprentissage. / Using gesture commands is a new way of interacting with touch sensitive interfaces. In order to facilitate user memorization of several commands, it is essential to let the user customize the gestures. This applicative context gives rise to a crosslearning situation, where the user has to memorize the set of commands and the system has to learn and recognize the different gestures. This situation implies several requirements, from the recognizer and from the system that supervizes its learning process. For instance, the recognizer has to be able to learn from few data samples, to keep learning during its use and to follow indefinitely any change of the data now. The supervisor has to optimize the cooperation between the recognizer and the system to minimize user interactions while maximizing recognizer learning. This thesis presents on the one hand the evolving recognition system Evolve oo, that is capable of fast teaming from few data samples, and that follows concept drifts. On the other hand, this thesis also presents the on line active supervisor lntuiSup, that optimizes user-system cooperation when the user is in the training loop, as during customized gesture command use for instance. The evolving classifier Evolve oo is a fuzzy inference system that is fast learning thanks to the generative capacity of rule premises, and at the same time giving high precision thanks to the discriminative capacity of first order rule conclusion. The use of forgetting in the learning process allows to maintain the learning gain indefinitely, enabling class adding at any stage of system learning, and guaranteeing lifelong evolving capacity. The on line active supervisor IntuiSup optimizes user interactions to train a classifier when the user is in the training loop. The proportion of data that is labeled by the user evolves to adapt to problem difficulty and to follow environment evolution (concept drift s). The use of a boosting method optimizes the timing of user interactions to maximize their impact on classifier learning process.

La compréhension automatique de la parole est au confluent des deux grands domaines que sont la reconnaissance automatique de la parole et l'apprentissage automatique. Un des problèmes majeurs dans ce domaine est l'obtention d'un corpus de données conséquent afin d'obtenir des modèles statistiques performants. Les corpus de parole pour entraîner des modèles de compréhension nécessitent une intervention humaine importante, notamment dans les tâches de transcription et d'annotation sémantique. Leur coût de production est élevé et c'est la raison pour laquelle ils sont disponibles en quantité limitée.Cette thèse vise principalement à réduire ce besoin d'intervention humaine de deux façons : d'une part en réduisant la quantité de corpus annoté nécessaire à l'obtention d'un modèle grâce à des techniques d'apprentissage semi-supervisé (Self-Training, Co-Training et Active-Learning) ; et d'autre part en tirant parti des réponses de l'utilisateur du système pour améliorer le modèle de compréhension.Ce dernier point touche à un second problème rencontré par les systèmes de compréhension automatique de la parole et adressé par cette thèse : le besoin d'adapter régulièrement leurs modèles aux variations de comportement des utilisateurs ou aux modifications de l'offre de services du système

Les nouveaux dispositifs de formation à distance représentent de nouvelles modalités de formation dans l’enseignement supérieur. Ces dispositifs impliquent l’utilisation d’environnements pédagogiques adaptés qui favorisent les situations de travail collaboratif. La collaboration au sein de ces outils résulte non seulement des interactions entre les étudiants, mais aussi des modalités de travail et d’accompagnement mises en place au préalable par les enseignants, notamment pour que les interactions fassent sens pour les étudiants. Ainsi, la question qui guide cette étude de cas est la suivante. Comment se caractérise le travail collaboratif des étudiants dans les blogs dans le cadre du cours ETA 6538? Plus précisément, nous cherchons à comprendre comment les étudiants collaborent à l'intérieur des blogs et quels sont les indicateurs propices à cette collaboration. À l’issue de notre étude, nous proposons une liste de recommandations pour favoriser la mise en place et le déroulement du travail collaboratif au sein des blogs, ainsi que des indicateurs pouvant servir à l’évaluation de la collaboration. Les concepts exploités dans ce mémoire sont relatifs au processus d'acquisition de savoir à partir de la collaboration émanant des interactions au sein des TIC, des dispositifs d’apprentissage en ligne et plus particulièrement des blogues. Nous avons utilisé une méthode de type à la fois quantitative et qualitative. Les blogs de huit étudiants ont été analysés. Les résultats de ces analyses montrent que les étudiants ont collaboré au sein des blogs et qu’ensemble, ils ont fait émergé de nouveaux savoirs et connaissances. / New operations of distance learning represent new education’s modalities in higher education. These operations imply use of adapted learning environment, which promote collaborative work situations. Collaboration within these tools result from interaction between students and also from modalities work and support put in place by teachers in order to make sure that these interactions are clear for students. Thus, the question that leads this study case is as follows. What characterizes the collaborative work of students in blogs under ETA 6538 course? Specifically, we want to understand how students collaborate within blogs and what indicators are conducive to such collaboration. Following our study, we propose a list of recommendations to promote the establishment and conduct of collaborative work in blogs, as well as indicators that can be used for evaluation of the collaboration. The concepts used in this thesis are related to the process of acquiring knowledge from the collaboration from the interactions among ICT, online learning systems, especially blogs. We used a type of both quantitative and qualitative analyses. Blogs of eight students were tested. The results of these studies show that students have collaborated in blogs and together they have emerged from new knowledge and skill.

La pratique physique a longtemps été perçue comme le déterminant premier de l’apprentissage du mouvement. Souvent exprimée par l’expression « Vingt fois sur le métier remettez votre ouvrage», cette idée se base sur l’observation qu’une grande quantité de pratique est nécessaire pour maîtriser un geste technique complexe. Bien que l’importance de la pratique physique pour l’apprentissage du mouvement demeure indéniable, il a récemment été démontré que les changements neurobiologiques qui constituent les bases de la mémoire prennent place après la pratique. Ces changements, regroupés sous le terme « consolidation », sont essentiels à la mise en mémoire des habiletés motrices. L’objectif de cette thèse est de définir les processus de consolidation en identifiant certains facteurs qui influencent la consolidation d’une habileté motrice. À l’aide d’une tâche d’adaptation visuomotrice comportant deux niveaux de difficulté, nous avons démontré qu’une bonne performance doit être atteinte au cours de la séance de pratique pour enclencher certains processus de consolidation. De plus, nos résultats indiquent que l’évaluation subjective que l’apprenant fait de sa propre performance peut moduler la consolidation. Finalement, nous avons démontré que l’apprentissage par observation peut enclencher certains processus de consolidation, indiquant que la consolidation n’est pas exclusive à la pratique physique. Dans l’ensemble, les résultats des études expérimentales présentées dans cette thèse montrent que la consolidation regroupe plusieurs processus distincts jouant chacun un rôle important pour l’apprentissage du mouvement. Les éducateurs physiques, les entraineurs sportifs et les spécialistes de la réadaptation physique devraient donc planifier des entrainements favorisant non seulement l’acquisition de gestes moteurs mais également leur consolidation. / Physical practice has long been regarded as the single most determinant factor of motor skill acquisition. Often expressed by the old adage “practice makes perfect,” this idea easily relates to the common observation that extensive practice is necessary to master complex motor skills. Although the importance of physical practice for motor skill learning is undeniable, recent evidence demonstrates that the neurobiological changes that constitute the foundation of memory occur after physical practice. Regrouped under the term “consolidation”, these changes are essential for the memory storage of motor skills. The objective of this thesis was to identify factors that influence motor skill consolidation. Using a visuomotor adaptation task with two levels of difficulty, we showed that a good performance must be attained during practice to trigger certain consolidation processes. In addition, our results indicate that the learner’s subjective evaluation of his/her own performance can also modulate consolidation. Finally, we showed that observation triggers consolidation processes, indicating that consolidation is not exclusive to physical practice. Together, the results presented in this thesis demonstrate that consolidation regroups several distinct processes that each plays an important role for motor skill learning. Physical education teachers, athletic coaches and rehabilitation specialists should therefore plan training schedules favoring not only motor skill acquisition but also motor skill consolidation.

Dans cette thèse, nous développons certaines techniques avancées d'apprentissage automatique dans le cadre de l'apprentissage en ligne et de l'apprentissage par renforcement (« reinforcement learning » en anglais -- RL). L'épine dorsale de nos approches est la programmation DC (Difference of Convex functions) et DCA (DC Algorithm), et leur version en ligne, qui sont reconnues comme de outils puissants d'optimisation non convexe, non différentiable. Cette thèse se compose de deux parties : la première partie étudie certaines techniques d'apprentissage automatique en mode en ligne et la deuxième partie concerne le RL en mode batch et mode en ligne. La première partie comprend deux chapitres correspondant à la classification en ligne (chapitre 2) et la prédiction avec des conseils d'experts (chapitre 3). Ces deux chapitres mentionnent une approche unifiée d'approximation DC pour différents problèmes d'optimisation en ligne dont les fonctions objectives sont des fonctions de perte 0-1. Nous étudions comment développer des algorithmes DCA en ligne efficaces en termes d'aspects théoriques et computationnels. La deuxième partie se compose de quatre chapitres (chapitres 4, 5, 6, 7). Après une brève introduction du RL et ses travaux connexes au chapitre 4, le chapitre 5 vise à fournir des techniques efficaces du RL en mode batch basées sur la programmation DC et DCA. Nous considérons quatre différentes formulations d'optimisation DC en RL pour lesquelles des algorithmes correspondants basés sur DCA sont développés. Nous traitons les problèmes clés de DCA et montrons l'efficacité de ces algorithmes au moyen de diverses expériences. En poursuivant cette étude, au chapitre 6, nous développons les techniques du RL basées sur DCA en mode en ligne et proposons leurs versions alternatives. Comme application, nous abordons le problème du plus court chemin stochastique (« stochastic shortest path » en anglais -- SSP) au chapitre 7. Nous étudions une classe particulière de problèmes de SSP qui peut être reformulée comme une formulation de minimisation de cardinalité et une formulation du RL. La première formulation implique la norme zéro et les variables binaires. Nous proposons un algorithme basé sur DCA en exploitant une approche d'approximation DC de la norme zéro et une technique de pénalité exacte pour les variables binaires. Pour la deuxième formulation, nous utilisons un algorithme batch RL basé sur DCA. Tous les algorithmes proposés sont testés sur des réseaux routiers artificiels / In this dissertation, we develop some advanced machine learning techniques in the framework of online learning and reinforcement learning (RL). The backbones of our approaches are DC (Difference of Convex functions) programming and DCA (DC Algorithm), and their online version that are best known as powerful nonsmooth, nonconvex optimization tools. This dissertation is composed of two parts: the first part studies some online machine learning techniques and the second part concerns RL in both batch and online modes. The first part includes two chapters corresponding to online classification (Chapter 2) and prediction with expert advice (Chapter 3). These two chapters mention a unified DC approximation approach to different online learning algorithms where the observed objective functions are 0-1 loss functions. We thoroughly study how to develop efficient online DCA algorithms in terms of theoretical and computational aspects. The second part consists of four chapters (Chapters 4, 5, 6, 7). After a brief introduction of RL and its related works in Chapter 4, Chapter 5 aims to provide effective RL techniques in batch mode based on DC programming and DCA. In particular, we first consider four different DC optimization formulations for which corresponding attractive DCA-based algorithms are developed, then carefully address the key issues of DCA, and finally, show the computational efficiency of these algorithms through various experiments. Continuing this study, in Chapter 6 we develop DCA-based RL techniques in online mode and propose their alternating versions. As an application, we tackle the stochastic shortest path (SSP) problem in Chapter 7. Especially, a particular class of SSP problems can be reformulated in two directions as a cardinality minimization formulation and an RL formulation. Firstly, the cardinality formulation involves the zero-norm in objective and the binary variables. We propose a DCA-based algorithm by exploiting a DC approximation approach for the zero-norm and an exact penalty technique for the binary variables. Secondly, we make use of the aforementioned DCA-based batch RL algorithm. All proposed algorithms are tested on some artificial road networks

De nombreux systèmes actuels sont évolutifs, i.e. leur comportement est dynamique et il entraîne des changements dans leurs caractéristiques de fonctionnement. Le suivi des modes de fonctionnement des systèmes évolutifs est un problème majeur pour les méthodes de diagnostic. En effet, dans ces conditions il est nécessaire d'utiliser ou de développer des méthodes tenant compte des nouvelles informations caractéristiques du comportement actuel d'un système et permettant l'adaptation des modes de fonctionnement connus. Nous avons choisi de travailler avec les méthodes de reconnaissance des formes pour leur capacité à fonctionner sur des applications pour lesquelles seules des observations sont connues. Plusieurs méthodes de classification dynamique ont été proposées afin de tenir compte des changements de caractéristiques des formes et des classes au cours du temps. D'une part la méthode Fuzzy Pattern Matching Dynamique (FPMD) a été développée pour tenir compte du changement graduel des caractéristiques des classes après la classification de chaque nouvelle forme. La méthode intègre plusieurs mécanismes tels que des indices de représentativité des données, un résidu permettant de suivre les évolutions des classes, et des procédures de scission et de fusion permettant d'adapter les classes dynamiques. D'autre part, une version Supervisée et une version Semi-Supervisée des K-Plus Proches Voisins Flous Dynamique (KPPVFD) ont également été proposées : KPPVFD-S et KPPVFD-SS. Ces méthodes KPPVFD utilisent des procédures de détection et de confirmation des évolutions de classes puis elles réalisent l'adaptation de ces dernières en utilisant les formes les plus caractéristiques de la tendance actuelle du système. Les méthodes proposées permettent de détecter en ligne l'évolution du comportement d'un système, de valider cette évolution et de procéder à l'adaptation d'une classe lorsque ses caractéristiques ont changées. Deux approches de reconnaissance des formes (structurelle et mixte) ont également été proposées. L'approche structurelle repose sur une méthode de segmentation ne nécessitant pas la définition d'un seuil d'erreur d'approximation et sur un nombre adaptatif de primitives défini par rapport à chaque phase caractéristique d'une forme dynamique. Une fois la segmentation des formes dynamiques réalisée, la méthode estime leur tendance à l'aide des primitives sélectionnées puis la phase de classification peut avoir lieu en utilisant une mesure de similarité. La méthode mixte repose sur l'utilisation de données statistiques et structurelles pour réaliser la classification des données dynamiques. Une signature mixte est obtenue pour chaque forme dynamique traitée. Cette signature mixte permet d'obtenir une information caractéristique interprétable. Une mesure de similarité mixte, basée à la fois sur la similarité entre caractéristiques structurelles et statistiques, est ensuite calculée à partir de cette signature mixte pour mesurer l'appartenance d'une forme à une classe. Cette mesure permet également de quantifier l'évolution que peut réaliser une forme suite à un changement de caractéristiques d'un système. L'ensemble des méthodes proposées a été utilisé sur plusieurs applications simulées et réelles. Ces applications concernaient le milieu industriel (détection de soudures de mauvaise qualité, détection d'une fuite dans un générateur de vapeur) et le milieu médical (caractérisation de la coordination inter-segmentaire des patrons de marche des patients hémiparétiques).

La plupart des processus naturels ou artificiels ont des comportements évolutifs décrits par des données non-stationnaires. La problématique étudiée dans cette thèse concerne la classification dynamique de données non-stationnaires. Nous proposons une description générique de classifieurs dynamiques conçue à l'aide d'un réseau neuronal à architecture évolutive. Elle est élaborée en quatre procédures d'apprentissage : création, adaptation, fusion, et évaluation. Deux algorithmes sont développés à partir de cette description générique. Le premier est une nouvelle version de l'algorithme AUDyC (AUto-adaptive and Dynamical Clustering). Il utilise un modèle de mélange décrit suivant l'approche multimodale. Le second, nommé SAKM (Self-Adaptive Kernel Machine), est basé sur les SVM et méthodes à noyau. Ces deux algorithmes sont dotés de règles de mise à jour récursives permettant la modélisation adaptative et le suivi de classes évolutives. Ils disposent de capacités d'auto-adaptation en environnement dynamique et de bonnes performances en terme de convergence et de complexité algorithmique. Ces dernières sont prouvées théoriquement et montrées par la simulation des algorithmes.

Les nouveaux dispositifs de formation à distance représentent de nouvelles modalités de formation dans l’enseignement supérieur. Ces dispositifs impliquent l’utilisation d’environnements pédagogiques adaptés qui favorisent les situations de travail collaboratif. La collaboration au sein de ces outils résulte non seulement des interactions entre les étudiants, mais aussi des modalités de travail et d’accompagnement mises en place au préalable par les enseignants, notamment pour que les interactions fassent sens pour les étudiants. Ainsi, la question qui guide cette étude de cas est la suivante. Comment se caractérise le travail collaboratif des étudiants dans les blogs dans le cadre du cours ETA 6538? Plus précisément, nous cherchons à comprendre comment les étudiants collaborent à l'intérieur des blogs et quels sont les indicateurs propices à cette collaboration. À l’issue de notre étude, nous proposons une liste de recommandations pour favoriser la mise en place et le déroulement du travail collaboratif au sein des blogs, ainsi que des indicateurs pouvant servir à l’évaluation de la collaboration. Les concepts exploités dans ce mémoire sont relatifs au processus d'acquisition de savoir à partir de la collaboration émanant des interactions au sein des TIC, des dispositifs d’apprentissage en ligne et plus particulièrement des blogues. Nous avons utilisé une méthode de type à la fois quantitative et qualitative. Les blogs de huit étudiants ont été analysés. Les résultats de ces analyses montrent que les étudiants ont collaboré au sein des blogs et qu’ensemble, ils ont fait émergé de nouveaux savoirs et connaissances. / New operations of distance learning represent new education’s modalities in higher education. These operations imply use of adapted learning environment, which promote collaborative work situations. Collaboration within these tools result from interaction between students and also from modalities work and support put in place by teachers in order to make sure that these interactions are clear for students. Thus, the question that leads this study case is as follows. What characterizes the collaborative work of students in blogs under ETA 6538 course? Specifically, we want to understand how students collaborate within blogs and what indicators are conducive to such collaboration. Following our study, we propose a list of recommendations to promote the establishment and conduct of collaborative work in blogs, as well as indicators that can be used for evaluation of the collaboration. The concepts used in this thesis are related to the process of acquiring knowledge from the collaboration from the interactions among ICT, online learning systems, especially blogs. We used a type of both quantitative and qualitative analyses. Blogs of eight students were tested. The results of these studies show that students have collaborated in blogs and together they have emerged from new knowledge and skill.

La pratique physique a longtemps été perçue comme le déterminant premier de l’apprentissage du mouvement. Souvent exprimée par l’expression « Vingt fois sur le métier remettez votre ouvrage», cette idée se base sur l’observation qu’une grande quantité de pratique est nécessaire pour maîtriser un geste technique complexe. Bien que l’importance de la pratique physique pour l’apprentissage du mouvement demeure indéniable, il a récemment été démontré que les changements neurobiologiques qui constituent les bases de la mémoire prennent place après la pratique. Ces changements, regroupés sous le terme « consolidation », sont essentiels à la mise en mémoire des habiletés motrices. L’objectif de cette thèse est de définir les processus de consolidation en identifiant certains facteurs qui influencent la consolidation d’une habileté motrice. À l’aide d’une tâche d’adaptation visuomotrice comportant deux niveaux de difficulté, nous avons démontré qu’une bonne performance doit être atteinte au cours de la séance de pratique pour enclencher certains processus de consolidation. De plus, nos résultats indiquent que l’évaluation subjective que l’apprenant fait de sa propre performance peut moduler la consolidation. Finalement, nous avons démontré que l’apprentissage par observation peut enclencher certains processus de consolidation, indiquant que la consolidation n’est pas exclusive à la pratique physique. Dans l’ensemble, les résultats des études expérimentales présentées dans cette thèse montrent que la consolidation regroupe plusieurs processus distincts jouant chacun un rôle important pour l’apprentissage du mouvement. Les éducateurs physiques, les entraineurs sportifs et les spécialistes de la réadaptation physique devraient donc planifier des entrainements favorisant non seulement l’acquisition de gestes moteurs mais également leur consolidation. / Physical practice has long been regarded as the single most determinant factor of motor skill acquisition. Often expressed by the old adage “practice makes perfect,” this idea easily relates to the common observation that extensive practice is necessary to master complex motor skills. Although the importance of physical practice for motor skill learning is undeniable, recent evidence demonstrates that the neurobiological changes that constitute the foundation of memory occur after physical practice. Regrouped under the term “consolidation”, these changes are essential for the memory storage of motor skills. The objective of this thesis was to identify factors that influence motor skill consolidation. Using a visuomotor adaptation task with two levels of difficulty, we showed that a good performance must be attained during practice to trigger certain consolidation processes. In addition, our results indicate that the learner’s subjective evaluation of his/her own performance can also modulate consolidation. Finally, we showed that observation triggers consolidation processes, indicating that consolidation is not exclusive to physical practice. Together, the results presented in this thesis demonstrate that consolidation regroups several distinct processes that each plays an important role for motor skill learning. Physical education teachers, athletic coaches and rehabilitation specialists should therefore plan training schedules favoring not only motor skill acquisition but also motor skill consolidation.

Dans le cadre de cette thèse, nous abordons les problèmes liés à un robot autonome devant apprendre différentes tâches sensori-motrices dans des situations d’interaction et d’imitation. D’un point de vue théorique et dans le cadre des Interactions Homme-Machine (IHM), nous aborderons notamment les notions liées aux phénomènes d’entraînement rythmiques, de coordination interpersonnelle et de synchronisation intentionnelles et non-intentionnelles qui jouent un rôle important dans les interactions sociales. En particulier nous défendons l’hypothèse que des mécanismes d’entrainement rythmiques facilitent grandement l’apprentissage dans des situations d’interactions Homme-Robot. Leur prise en compte dans la conception de nouvelles IHMs est primordiale pour les rendre plus « intuitives ». A long terme, nous aimerions que le robot puisse utiliser ces signaux sociaux pour comprendre les intentions de son partenaire.L’utilisation d’une tâche complexe est ici nécessaire pour que le robot soit confronté à des situations d’échecs qui devront introduire des modifications de comportement non seulement de la part du partenaire mais aussi et surtout de la part du robot. Ces situations introduiront des modifications du rythme dans l’interaction au cours de l'apprentissage. Pour réussir ce pari, le robot devra être capable d’auto évaluer à la fois son comportement vis à vis de la tâche en cours d’exécution (et d’apprentissage) et son comportement d’interaction avec son partenaire.Nous proposons de travailler sur un « robot mobile compagnon » capable d’apprendre de manière interactive (avec son compagnon) à naviguer. L’utilisation de jeux d’interaction et d’imitation comme moyen d’apprentissage mais surtout de communication permet d’envisager de nouveaux principes d’IHM (Interface Homme-Machine) où l’interaction n’est plus considérée comme une « charge », elle devient au contraire plaisante. / In this thesis, we address the issues related to autonomous learning of different sensory-motor tasks using interaction and imitation. From a theoretical point of view and considering Human Machine Interaction (HMI), we will question the concepts linked to rhythmic entrainment, interpersonal coordination, and also intentional and unintentional synchronisations and their contribution to improve social interactions. Particularly, these mechanisms facilitate human-human interactions. Consequently, we defend the idea that taking them into account is essential to build more intuitive HMI.  In near future applications,  we would like to make the robot able to use these signals to improve its understanding the human partner intentions.Using a complex task is, then, necessary to confront the robot to failures that will introduce behavioral changes for both the human and the robot agents. These situations will introduce interaction rhythm modifications during learning phases. In this aim, the robot should be able to self assess its behavior regarding both the current task to learn and its interaction with its partner.We propose to work on a 'mobile companion robot' able to learn interactively (with its partner) to navigate. Using interaction games and imitation as a medium of learning and above all of communication, allows to consider new principles of HMI (Human Machine Interface) where the interaction is no longer considered as a 'load', it becomes rather pleasant.