Ancrer l'interaction: Gestion des connaissances pour la robotique interactive Avec le développement de la robotique cognitive, le besoin d'outils avancés pour représenter, manipuler, raisonner sur les connaissances acquises par un robot a clairement été mis en avant. Mais stocker et manipuler des connaissances requiert tout d'abord d'éclaircir ce que l'on nomme connaissance pour un robot, et comment celle-ci peut-elle être représentée de manière intelligible pour une machine. Ce travail s'efforce dans un premier temps d'identifier de manière systématique les besoins en terme de représentation de connaissance des applications robotiques modernes, dans le contexte spécifique de la robotique de service et des interactions homme-robot. Nous proposons une typologie originale des caractéristiques souhaitables des systèmes de représentation des connaissances, appuyée sur un état de l'art détaillé des outils existants dans notre communauté. Dans un second temps, nous présentons en profondeur ORO, une instanciation particulière d'un système de représentation et manipulation des connaissances, conçu et implémenté durant la préparation de cette thèse. Nous détaillons le fonctionnement interne du système, ainsi que son intégration dans plusieurs architectures robotiques complètes. Un éclairage particulier est donné sur la modélisation de la prise de perspective dans le contexte de l'interaction, et de son interprétation en terme de théorie de l'esprit. La troisième partie de l'étude porte sur une application importante des systèmes de représentation des connaissances dans ce contexte de l'interaction homme-robot : le traitement du dialogue situé. Notre approche et les algorithmes qui amènent à l'ancrage interactif de la communication verbale non contrainte sont présentés, suivis de plusieurs expériences menées au Laboratoire d'Analyse et d'Architecture des Systèmes au CNRS à Toulouse, et au groupe Intelligent Autonomous System de l'université technique de Munich. Nous concluons cette thèse sur un certain nombre de considérations sur la viabilité et l'importance d'une gestion explicite des connaissances des agents, ainsi que par une réflexion sur les éléments encore manquant pour réaliser le programme d'une robotique "de niveau humain".

L'autonomie d'un robot mobile se caractérise par sa capacité à agir et à se déplacer dans l'environnement sans intervention humaine. La planification de mission pour un robot mobile fait intervenir un raisonnement symbolique pour le choix des actions permettant d'accomplir la mission et un raisonnement géométrique pour le calcul des déplacements du robot afin de réaliser ces actions. Dans un premier temps, nous comparons différentes approches permettant de coupler un planificateur de tâches et un planificateur de mouvements. Les résultats obtenus en termes de messages échangés entre les deux modules de raisonnement et en termes de temps de calcul tendent à montrer qu'un couplage dans lequel les exécutions des deux planificateurs sont entrelacées est l'approche offrant les meilleures performances. À partir de ce constat, nous proposons une architecture de planification hybride mettant en oeuvre un planificateur de tâches et un planificateur de mouvements dont les exécutions sont entrelacées. Nous avons été amenés à étendre le concept d'opérateur de planification afin de permettre l'expression et la prise en compte de préconditions géométriques ainsi que d'effets géométriques. Ces préconditions, définissant géométriquement la manière de réaliser les actions, sont ensuite envoyées au module de raisonnement géométrique sous la forme de requêtes de planification. Les contraintes géométriques sont extraites des préconditions, traduites en fonctions mathématiques, puis satisfaites à l'aide d'un algorithme de programmation non linéaire. Un chemin est ensuite calculé entre la configuration actuelle du robot et la configuration solution à l'aide d'un algorithme de planification de mouvement appelé Cell-RRT. Les effets géométriques permettent de transmettre les modifications des ressources partagées au module de raisonnement symbolique et fournissent des références sur les configurations du robot en début ou en fin de réalisation d'une action. Ces références peuvent ensuite intervenir lors de la planification d'une nouvelle action. L'algorithme de planification de mouvements mis en oevre est un algorithme probabiliste incrémental qui s'appuie sur le principe de l'algorithme RRT. Il est couplé avec une phase de réduction de l'espace de recherche. Durant cette phase, l'environnement est décomposé en un ensemble de cellules puis un algorithme de recherche de plus court chemin est appliqué afin de définir un sous-ensemble de l'espace de recherche. Les échanges entre les deux planificateurs font également appel à la notion de conseil afin de permettre le guidage de la construction du plan par des heuristiques géométriques ainsi que de permettre des phases d'optimisation du plan. Cette architecture hybride est finalement testée sur des scénarios de missions mettant ainsi en avant la validité de nos propositions. Le planificateur de déplacement Cell-RRT est également évalué afin d'étudier les gains réalisés, en termes de distances parcourues et de temps de calcul, en fonction de l'ajustement de ses différents paramètres de configuration.

Dans une époque marquée par les inquiétudes publiques sur les implications sociétales et environnementales des innovations technoscientifiques, l'enjeu de l'éducation scientifique est de préparer les citoyens à prendre une part active aux choix de société. Tandis que les Inquiry Based Science Education pénètrent les programmes d'enseignements de tous les pays, la généralisation de l'Education au Développement Durable signe l'intégration des enjeux du monde contemporain dans des enseignements problématisés. Dans ce contexte, la scolarisation des Questions Socialement Vives (QSV) place l'incertitude et la complexité au cœur des processus d'enseignement/apprentissage. À la croisée de la didactique des QSV et de la pédagogie numérique, cette thèse vise à documenter les modalités d'apprentissages collectifs de la participation démocratique aux expertises citoyennes de QSV Environnementales. Nous exploitons le potentiel des Environnements Numériques de Travail collaboratifs à élargir les communautés d'apprentissages au-delà des frontières géographiques et des cloisonnements disciplinaires. Nous analysons les évolutions de Raisonnements SocioScientifiques dans une perspective de Durabilité (RSSD) construits collectivement par de futurs enseignants en quatrième année de formation initiale issus de disciplines et institutions universitaires diverses en France et en Australie. L'originalité de ce travail réside dans la mise en relation des interactions socio-discursives avec les niveaux d'approfondissement des RSSD co-construits. Elle révèle l'intérêt majeur des dérangements socio-épistémologiques occasionnés par les rencontres interculturelles.

Les intersections sont les zones les plus dangereuses du réseau routier. Les statistiques montrent que la plupart des accidents aux intersections sont causés par des erreurs des conducteurs, et que la plupart pourraient être évités à l'aide de systèmes d'aide à la conduite. En particulier, les communications inter-véhiculaires ouvrent de nouvelles opportunités pour les applications sécuritaires aux intersections. Le partage d'informations entre les véhicules via des liens sans fil permet aux véhicules de percevoir leur environnement au-delà des limites du champ de vision des capteurs embarqués. Grâce à cette représentation élargie de l'environnement dans l'espace et dans le temps, la compréhension de situation est améliorée et les situations dangereuses peuvent être détectées plus tôt. Cette thèse aborde le problème de l'estimation du risque aux intersections d'un nouveau point de vue : une structure de raisonnement est proposée pour analyser les situations routières et le risque de collision à un niveau sémantique plutôt qu'au niveau des trajectoires. Le risque est déterminé en estimant les intentions des conducteurs et en identifiant les potentiels conflits, sans avoir à prédire les futures trajectoires des véhicules. L'approche proposée a été validée par des expérimentations en environnement réel à l'aide de véhicules équipés de modems de communication véhicule-véhicule, ainsi qu'en simulation. Les résultats montrent que l'algorithme permet de détecter les situations dangereuses à l'avance et qu'il respecte les contraintes temps-réel des applications sécuritaires. Il y a deux différences principales entre l'approche proposée et les travaux existants. Premièrement, l'étape de prédiction de trajectoire est évitée. Les situations dangereuses sont identifiées en comparant ce que les conducteurs ont l'intention de faire avec ce qui est attendu d'eux d'après les règles de la circulation et le contexte. Le raisonnement sur les intentions et les attentes est réalisé de manière probabiliste afin de prendre en compte les incertitudes des mesures capteur et les ambiguïtés sur l'interprétation. Deuxièmement, le modèle proposé prend en compte les informations sur le contexte situationnel, c'est-à-dire que l'influence de la géométrie de l'intersection et des actions des autres véhicules est prise en compte lors de l'analyse du comportement d'un véhicule.

La reconnaissance automatique de scénarios est cruciale pour l'aide à la supervision de systèmes dynamiques. Cependant, la construction de tels scénarios représentatifs de situations de bon ou de mauvais fonctionnement n'est pas réalisable en pratique directement à partir de la connaissance experte. Notre objectif est donc d'extraire, à partir des données et des informations disponibles, des séquences abstraites d'événements pertinents et ensuite de construire des scénarios validés par les experts comme représentatifs d'une classe de situations à reconnaître. Le travail de cette thèse présente une méthodologie pour la découverte de scénarios médicaux, en particulier l'abstraction graduelle des données est détaillée. La découverte de scénarios relève de l'extraction de connaissances et comprend, entre autres, les étapes de transformation des données et de fouille de données. Cette méthodologie s'appuie sur un processus incrémental de manipulation des informations et des connaissances basé sur une clarification de ces concepts. Elle est appliquée à la surveillance de patients hospitalisés en unités de soins intensifs.

Le territoire a-t-il une influence sur le raisonnement politique des individus ? C'est à cette question, en apparence classique, de la science politique que cette thèse entend répondre. A partir d'une enquête menée dans le contexte de l'élection présidentielle française de 2007, nous proposons d'aborder les voies théoriques et méthodologiques d'une étude de l'effet du " territoire " sur les raisonnements et les arguments mobilisés par les individus lorsqu'ils " parlent " de politique. En prenant successivement en compte le territoire comme agrégat de données quantitatives (territoire objectif) puis comme construction sociale opérée par les individus (territoire subjectif), nous proposons de revenir sur les apports d'une approche " écologique " et " processuelle " du raisonnement politique, permettant de comprendre les rouages et l'ampleur de la mobilisation du " territoire vécu " par les individus. La " politique " apparait à la fois comme le résultat d'un repérage des problèmes territoriaux et comme une série de thèmes définis a priori (l'Union Européenne, la mondialisation, le vote lors de l'élection présidentielle), donnant à voir deux aspects distincts de l'influence du territoire sur la politisation des individus. Nos résultats plaident pour le prolongement d'une analyse qualitative et contextualisée des compétences et des raisonnements politiques individuels.

Que cela soit par des automates puis par des robots, l'Homme a été fasciné par des machines pouvant exécuter des tâches pour lui, dans de nombreux domaines, comme l'industrie ou les services : c'est ce dernier domaine qui nous sert de contexte. Ainsi, nous avons utilisé une approche développementale, où le robot se doit d'apprendre de nouvelles tâches au cours de sa vie. Inspiré par des théories sur le développement de l'enfant, nous avons extrait les concepts intéressants pour les implémenter sur une plateforme robotique humanoïde : l'iCub. L'acquisition du langage est une première étape, où la capacité à classifier les mots, de classes ouvertes et de classes fermées permet d'obtenir une syntaxe qui aide l'enfant à construire le lien entre une phrase et son sens. Cette méthode a été implémentée grâce à un réseau de neurones récurrents, utilisant une base de données fournit par l'humain en interagissant avec le robot. La maîtrise du langage permet à l'enfant de participer à des actions plus complexes, en particulier des tâches collaboratives où la parole est requise de négocier le mode d'apprentissage sur plusieurs modalités. Implémenté sur l'iCub et le Nao, cela permet un apprentissage en temps réel et de réaliser un plan partagé. Enfin, nous avons étudié le fonctionnement de la mémoire autobiographique, cruciale pour se remémorer des épisodes passés de sa vie, d'en tirer des prédictions et de les appliquer dans le futur. En recréant cette mémoire en SQL et formatant les données en PDDL, l'iCub est alors capable de raisonner en fonction de sa propre expérience, lui permettant ainsi de résoudre le problème des Tours d'Hanoi sans jamais l'avoir visualisé avant

No description available.

L'objet de cette thèse est de développer une approche d’aide à la constitution et aux choix des équipes multidisciplinaires. Deux méthodologies ont été développées afin d’apporter une contribution au le domaine du management des équipes d’une manière générale et aux systèmes hospitaliers particulièrement. Nous nous sommes intéressés dans la conception de ces méthodologies aux méthodes d’aide à la décision multicritère et aux méthodes cognitives. La première méthodologie TBS 1, se base sur les expériences des opérations passées afin de fournir l’équipe adéquate pour une nouvelle opération. Nous développons une hybridation entre un outil d’aide à la décision multicritères AHP et une méthode cognitive RàPC. Dans une deuxième méthodologie TBS 2, nous combinons deux méthodes d’aide à la décision multicritères AHP et ELECTRE afin de proposer aux responsables la meilleure équipe et les liens avec les autres équipes. Pour valider ces deux démarches, nous les avons expérimentées en bloc opératoire de CHU Habib Bourguiba. Bien qu’un certain nombre de limites ait pu être mis en évidence, les retours terrain nous amènent à penser que l’intérêt des deux démarches d’aide à la constitution et au choix des équipes dans le bloc opératoire semble validé. / The subject of this thesis is to develop a support approach to the constitution and to the choices of the multidisciplinary teams. Two methodologies have been developed in order to provide a contribution to the domain of the team management in a general manner and to the hospital systems particularly. We are interested in the conception of these methodologies in the support method to the multi-criterion decision and to the cognitive methods.The first methodology TBS 1, is based on the experiences of the past operations in order to supply the adequate team for a new operation. We develop hybridization between the support tool to the multi-criterion decision AHP and a cognitive method CBR. In a second methodology TBS 2, we combine two support methods to the multi-criterion decision AHP and ELECTRE in order to suggest to the persons in charge the best team and the links with the other teams.In order to approve these two approaches, we have experimented them in the operating theatre of CHU Habib Bourguiba. Even though certain number of limits could be highlighted, the operation issues lead us to think that the interest of the two support approaches to the constitution and to the choices of the teams in the operating theatre seems to be approved.

Dans la plupart des activités quotidiennes, l’Homme a tendance à utiliser des connaissances imparfaites. L’imperfection se rapporte à trois volets : l’imprécision, l’incertitude et l’incomplétude. Nous thèse concerne les connaissances imprécises. En particulier, nous nous intéressons au traitement qualitatif de l’information imprécise dans les systèmes à base de connaissances. Diverses approches ont été proposées pour traiter les connaissances imprécises, en particulier, la logique floue et la logique multivalente. Les théories des ensembles flous et des multi-ensembles sont un moyen très approprié pour la représentation et la modélisation de l’imprécision.Notre travail s’inscrit dans le contexte de la logique multivalente. Celle-ci permet de représenter symboliquement des connaissances imprécises en utilisant des expressions adverbiales ordonnées du langage naturel. L’utilisation de ces degrés symboliques est plus compréhensible par les experts. Ce type de représentation de données est indépendant du type de leurs domaines de discours. Ainsi, la manipulation des connaissances abstraites ou faisant référence à des échelles numériques se fait de la même manière.Dans la littérature, le traitement de l’information imprécise repose sur une hypothèse implicite de la répartition uniforme des degrés de vérité sur une échelle de 0 à 1. Néanmoins, dans certains cas, un sous-domaine de cette échelle peut être plus informatif et peut inclure plus de termes. Dans ce cas, l’information est définie par des termes déséquilibrés, c’est-à-dire qui ne sont pas uniformément répartis et/ou symétriques par rapport à un terme milieu. Par exemple, pour l’évaluation des apprenants, il est possible de considérer un seul terme négatif F correspondant à l’échec. Quant à la réussite, elle est décrite par plusieurs valeurs de mention, i.e. D, C, B et A. Ainsi, si le terme D est le seuil de la réussite, il est considéré comme le terme milieu avec un seul terme à sa gauche et trois à sa droite. Il s’agit alors d’un ensemble non uniforme.Dans ce travail, nous nous concentrons sur l'extension de la logique multivalente au cas des ensembles non uniformes. En s'appuyant sur notre étude de l'art, nous proposons de nouvelles approches pour représenter et traiter ces ensembles de termes. Tout d'abord, nous introduisons des algorithmes qui permettent de représenter des termes non uniformes à l'aide de termes uniformes et inversement. Ensuite, nous décrivons une méthode pour utiliser des modificateurs linguistiques initialement définis pour les termes uniformes avec des ensembles de termes non uniformes. Par la suite, nous présentons une approche de raisonnement basée sur le modèle du Modus Ponens Généralisé à l'aide des Modificateurs Symboliques Généralisés. Les modèles proposés sont mis en œuvre dans un nouveau système de décision fondé sur des règles pour la reconnaissance de l'odeur de camphre. Nous développons également un outil pour le diagnostic de l'autisme infantile. Les degrés de sévérité de l'atteinte par ce trouble autistique sont représentés par l'échelle d'évaluation de l'autisme infantile (CARS). Il s'agit d'une échelle non uniforme. / In most daily activities, humans use imprecise information derived from appreciation instead of exact measurements to make decisions. Various approaches were proposed to deal with imperfect knowledge, in particular, fuzzy logic and multi-valued logic. In this work, we treat the particular case of imprecise knowledge.Taking into account imprecise knowledge by computer systems is based on their representation by means of linguistic variables. Their values form a set of words expressing the different nuances of the treated information. For example, to judge the beauty of the Mona Lisa or the smell of a flower, it is not possible to give an exact value but an appreciation is given by a term like "beautiful" or "floral".In the literature, dealing with imprecise information relies on an implicit assumption: the distribution of terms is uniform on a scale ranging from 0 to 1. Nevertheless, in some cases, a sub-domain of this scale may be more informative and may include more terms. In this case, knowledge are represented by means of an unbalanced terms set, that is, not uniformly nor symmetrically distributed.We have noticed, in the literature, that in the context of fuzzy logic many researchers have dealt with these term sets. However, it is not the case for multi-valued logic. Thereby, in our work, we aim to establish a methodology to represent and manage this kind of data in the context of multi-valued logic. Two aspects are treated. The first one concerns the representation of terms within an unbalanced multi-set. The second deals with the treatment of such kind of imprecise knowledge, i.e. with symbolic modifiers and in reasoning process.In this work, we focus on unbalanced sets in the context of multi-valued logic. Basing on our study of art, we propose new approaches to represent and treat such term sets. First of all, we introduce algorithms that allow representing unbalanced terms within uniform ones and the inverse way. Then, we describe a method to use linguistic modifiers within unbalanced multi-sets. Afterward, we present a reasoning approach based on the Generalized Modus Ponens model using Generalized Symbolic Modifiers. The proposed models are implemented in a novel rule-based decision system for the camphor odor recognition within unbalanced multi-set. We also develop a tool for child autism diagnosis by means of unbalanced severity degrees of the Childhood Autism Rating Scale (CARS).