Les robots sont de plus en plus utilisés dans un cadre social. Il ne suffit plusde partager l’espace avec des humains, mais aussi d’interagir avec eux. Dansce cadre, il est attendu du robot qu’il comprenne un certain nombre de signauxambiguës, verbaux et visuels, nécessaires à une interaction humaine. En particulier, on peut extraire beaucoup d’information, à la fois sur l’état d’esprit despersonnes et sur la dynamique de groupe à l’œuvre, en connaissant qui ou quoichaque personne regarde. On parle de la Cible d’attention visuelle, désignéepar l’acronyme anglais VFOA. Dans cette thèse, nous nous intéressons auxdonnées perçues par un robot humanoı̈de qui participe activement à une in-teraction sociale, et à leur utilisation pour deviner ce que chaque personneregarde.D’une part, le robot doit “regarder les gens”, à savoir orienter sa tête(et donc la caméra) pour obtenir des images des personnes présentes. Nousprésentons une méthode originale d’apprentissage par renforcement pourcontrôler la direction du regard d’un robot. Cette méthode utilise des réseauxde neurones récurrents. Le robot s’entraı̂ne en autonomie à déplacer sa tête enfonction des données visuelles et auditives. Il atteint une stratégie efficace, quilui permet de cibler des groupes de personnes dans un environnement évolutif.D’autre part, les images du robot peuvent être utilisée pour estimer lesVFOAs au cours du temps. Pour chaque visage visible, nous calculons laposture 3D de la tête (position et orientation dans l’espace) car très fortementcorrélée avec la direction du regard. Nous l’utilisons dans deux applications.Premièrement, nous remarquons que les gens peuvent regarder des objets quine sont pas visible depuis le point de vue du robot. Sous l’hypothèse quelesdits objets soient regardés au moins une partie du temps, nous souhaitonsestimer leurs positions exclusivement à partir de la direction du regard despersonnes visibles. Nous utilisons une représentation sous forme de carte dechaleur. Nous avons élaboré et entraı̂né plusieurs réseaux de convolutions afinde d’estimer la régression entre une séquence de postures des têtes, et les posi-tions des objets. Dans un second temps, les positions des objets d’intérêt, pou-vant être ciblés, sont supposées connues. Nous présentons alors un modèleprobabiliste, suggéré par des résultats en psychophysique, afin de modéliserla relation entre les postures des têtes, les positions des objets, la directiondu regard et les VFOAs. La formulation utilise un modèle markovien à dy-namiques multiples. En appliquant une approches bayésienne, nous obtenonsun algorithme pour calculer les VFOAs au fur et à mesure, et une méthodepour estimer les paramètres du modèle.Nos contributions reposent sur la possibilité d’utiliser des données, afind’exploiter des approches d’apprentissage automatique. Toutes nos méthodessont validées sur des jeu de données disponibles publiquement. De plus, lagénération de scénarios synthétiques permet d’agrandir à volonté la quantitéde données disponibles; les méthodes pour simuler ces données sont explicite-ment détaillée. / Robots are more and more used in a social context. They are required notonly to share physical space with humans but also to interact with them. Inthis context, the robot is expected to understand some verbal and non-verbalambiguous cues, constantly used in a natural human interaction. In particular,knowing who or what people are looking at is a very valuable information tounderstand each individual mental state as well as the interaction dynamics. Itis called Visual Focus of Attention or VFOA. In this thesis, we are interestedin using the inputs from an active humanoid robot – participating in a socialinteraction – to estimate who is looking at whom or what.On the one hand, we want the robot to look at people, so it can extractmeaningful visual information from its video camera. We propose a novelreinforcement learning method for robotic gaze control. The model is basedon a recurrent neural network architecture. The robot autonomously learns astrategy for moving its head (and camera) using audio-visual inputs. It is ableto focus on groups of people in a changing environment.On the other hand, information from the video camera images are used toinfer the VFOAs of people along time. We estimate the 3D head poses (lo-cation and orientation) for each face, as it is highly correlated with the gazedirection. We use it in two tasks. First, we note that objects may be lookedat while not being visible from the robot point of view. Under the assump-tion that objects of interest are being looked at, we propose to estimate theirlocations relying solely on the gaze direction of visible people. We formulatean ad hoc spatial representation based on probability heat-maps. We designseveral convolutional neural network models and train them to perform a re-gression from the space of head poses to the space of object locations. Thisprovide a set of object locations from a sequence of head poses. Second, wesuppose that the location of objects of interest are known. In this context, weintroduce a Bayesian probabilistic model, inspired from psychophysics, thatdescribes the dependency between head poses, object locations, eye-gaze di-rections, and VFOAs, along time. The formulation is based on a switchingstate-space Markov model. A specific filtering procedure is detailed to inferthe VFOAs, as well as an adapted training algorithm.The proposed contributions use data-driven approaches, and are addressedwithin the context of machine learning. All methods have been tested on pub-licly available datasets. Some training procedures additionally require to sim-ulate synthetic scenarios; the generation process is then explicitly detailed.

Le travail de recherche dans ce mémoire aborde les problèmes de l'identification des systèmes non linéaires et également de l'application de la théorie d'optimisation. Dans une première partie, nous proposons des méthodes efficaces et nouvelles afin d'identifier les systèmes linéaires dans le cas d'expérimentations multiples, les séries de Volterra à horizon infini et les systèmes quadratiques en l'état. Dans une seconde partie, nous appliquons la théorie d'identification à la modélisation de la locomotion humaine. Nous abordons ensuite l'optimisation des mouvements des robots humanoïdes, l'imitation des mouvements humains par un robot humanoïde et enfin le paramétrage temporel des chemins dans l'espace des configurations pour un robot humanoïde. Les résultats expérimentaux de nos méthodes sur la plate-forme HRP-2 ont révélé non seulement leur efficacité, mais aussi leurs bonnes performances qui dépassent largement celles des méthodes conventionnelles.

Les travaux de recherche développés dans le cadre de cette thèse traitent d'une manière générale du problème de la commande dynamique ''orientée tâche'' de systèmes sous-actionnés et redondants en considérant plus spécifiquement les systèmes robotiques humanoïdes. Nous avons cherché à apporter des contributions au problème de la ''synthèse par la commande d'activités motrices'' pour des systèmes contraints par leurs capacités intrinsèques et par leurs interactions. Les problèmes plus spécifiques qui ont été traités sont relatifs à : 1) la commande dynamique des systèmes humanoïdes pour la réalisation d'activités motrices nécessitant la coordination tâche/posture perturbées par des interactions physiques, 2) l'enchaînement dynamique continu des activités d'un répertoire de coordinations motrices, 3) la planification et l'adaptation des activités élémentaires dans l'objectif d'un enchaînement automatique supervisé pour la réalisation de tâches complexes dans des contextes non déterministes. Le premier chapitre de ce mémoire de thèse est consacré à la description d'un moteur de simulation physique et de lois de commande pour le développement de comportements dynamiques. Le deuxième chapitre propose une commande générique fondée sur la réalisation de plusieurs tâches sous contraintes. Le troisième chapitre développe une implémentation de ce contrôleur générique sur des activités types au travers du modèle virtuel du robot iCub. Le quatrième chapitre développe un contrôleur haut-niveau permettant de planifier et d'adapter une séquence pour la matérialisation d'activités plus complexes, tout en garantissant la continuité de la commande.

Cette thèse porte sur des algorithmes de contrôle et de planification de mouvements pour les robots humanoïdes. Le grand nombre de paramètres caractérisant ces systèmes a conduit au développement de méthodes numériques, d'abord appliquées aux bras manipulateurs et récemment adaptées pour les structures plus complexes. On relève particulièrement les formalismes de commande cinématique et dynamique par priorité qui permettent de produire un mouvement selon une hiérarchie préétablie des tâches. Au cours de ce travail, nous avons identifié le besoin d'étendre ce formalisme afin de tenir compte de contraintes unilatérales. Nous nous sommes par ailleurs intéressés à la planification de la locomotion en fonction des tâches. Nous proposons une modélisation jointe du robot et de sa trajectoire de marche comme une structure articulée unique saisissant à la fois les degrés de liberté actionnés (articulations motorisées du robot) et non actionnés (positionnement absolu dans l'espace). L'ensemble de ces algorithmes, qui seront longuement illustrés, ont été implémentés au sein du projet HPP (Humanoid Path Planner) et validés sur le robot humanoïde HRP-2.

Un système tel qu'un humanoïde est sous-actionné et hyper-redondant. Il ne peut se mouvoir qu'à travers les interactions qu'il a avec son environnement, c'est-à-dire des contacts, et se déplace dans un espace de configuration de très grande dimension. Le besoin de rechercher des contacts pour assurer la locomotion implique que tout objet de l'environnement peut être considéré comme un support potentiel. En cela, on s'éloigne des hypothèses classiques de la planification de mouvement où les objets sont des obstacles a éviter. Ces objets prennent, dans le cadre d'un humanoïde, le double statu d'obstacle et support. L'objectif de nos travaux est de construire un planificateur de mouvement qui sache prendre en compte cette dualité. Nous proposons une approche qui travaille directement dans l'espace des contacts. Pour cela nous développons tout d'abord des outils qui permettent le passage entre l'espace contacts et celui des configurations : un générateur de posture qui permet la projection sur des sous-variétés de l'espace de configuration, et un nouveau type de volumes englobants, nommé S TP-BV, donnant la possibilité d'inclure l'évitement de collision dans la génération de posture. Nous détaillons ensuite l'architecture générale et les divers modules de notre planificateur de conctacts avant d'en montrer les résultats en simulation puis sur un robot HRP-2.

L'étendue des mouvements que les robots humanoïdes peuvent réaliser est fortement limitée par des contraintes dynamiques. Une loi de commande qui ne prend pas en compte ses res- trictions, d'une manière ou autre, ne va pas réussir d'éviter une chute. La Commande Prédictive est capable de considérer les contraintes sur l'état et le contrôle de manière explicite, ce qui la rend particulièrement appropriée pour le contrôle des mouvements des robots marcheurs.Nous commençons par dévoiler la structure spécifique de ces contraintes, démontrant notamment l'importance des appuis au sol. Nous développons ensuite une condition suffisante pour l'évitement d'une chute et nous proposons une loi de commande prédictive qui y réponde. Cette formulation nous sert ensuite pour la conception des contrôleurs pratiques, capables d'un contrôle plus efficace et plus robuste des robots marcheurs humanoïdes. / The range of motions that humanoid robots are able to realize is strongly limited by inherent dynamical constraints so that any control law that does not consider these limitations, in one way or another, will fail to avoid falling. The Model Predictive Control (MPC) technique is capable of handling constraints on the state and the control explicitly, which makes it highly apt for the control of walking robots.We begin by unveiling the specific structure of these constraints, stressing especially the impor- tance of the supports on the ground. We give thereupon a sufficient condition for keeping balance and formulate an MPC law that complies with it. This formulation serves us then for the design of practicable controllers capable of more efficient and more robust control of humanoid robots.

Hier fiction, maintenant réalité, le robot humanoïde, machine intelligente créée sur le modèle humain, concrétise des rêves ancestraux, avec pour ambition que la copie puisse égaler ou dépasser son modèle et créateur ; voire effectuer un bond dans l’évolution, par delà l’altérité homme/machine et la finitude. Afin de questionner ce qui sous-tend la réalisation du robot, ses enjeux, et ce que ses caractéristiques disent de l’homme aujourd’hui, cette réflexion revisite ses traces mythologiques et techniques depuis l’Antiquité, puis aborde les principaux axes de recherche en robotique interactive. Au regard de la contextualité contemporaine sous le règne de la science et du néolibéralisme, et marquée par l’imaginaire de la science-fiction, des nouvelles technologies, et par l’héritage de la mort collective du 20e siècle ; sont examinésles fantasmes originaires et la dynamique pulsionnelle (concernant notamment l’emprise et la satisfaction, les interactions précoces, et la formation du double) à l’oeuvre dans l’avènement du robot humanoïde. En approchant ce que l’humain reproduit sciemment dans son double technologique, et tout ce qu’à son insu il y dépose, transparaît l’empreinte de la répétition et des tentatives de subjectivation de la place du sujet dans la filiation et du legs transgénérationnel en ce qu’il a d’irreprésentable ou de traumatique. Tenant de l’invention scientifique, du symptôme, de l’objet transitionnel et de l’oeuvre d’art, le robot humanoïde procède d’une double résistance, se traduisant en potentialités de répétition aliénante ou de subjectivation réparatrice, susceptibles de s’actualiser pendant la réalisation du robot ou dans l’interaction avec lui. / Yesterday a fiction, now a reality, the humanoid robot, an intelligent machine designed after the human model, embodies ancestral dreams, with the aim that the copy meets or exceeds its model and creator, or even makes a jump in evolution, beyond the difference between humans and machines and beyond death. This study addresses what underlies the realization of robots, the challenges they open up to, and what their characteristics may say about humans today.After examining the mythological and technical origins of the robot, it presents today’s key research topics in the field of human-robot interaction. With regards to the contemporary context dominated by science and neoliberalism, and marked by the imagination of science fiction and new technologies, as well as by the 20th century’s collective death inheritance,this work studies the original fantasies and the drive dynamics involved in the advent of the humanoid robot. The repetition compulsion and the human attempts to subjectify their position in the lineage and their transgenerational legacy in its unrepresentable or traumatic parts, show when approaching what humans deliberately reproduce in their artificial double,as well as what they deposit in it unknowingly. Though mainly a scientific invention and a technological tool, the humanoid robot may be regarded as a symptom, a transitional object or a piece of art. This particular status translates into a double ambivalent psychological resistance: constructing the humanoid robot and interacting with it, may develop into analienating repetition compulsion, as well as revive the subjectivation process.

Les robots humanoïdes sont de plus en plus important dans nos vies quotidiennes en raison du fort potentiel qu'ils ont pour aider les personnes. Pour être en mesure d'aider, il est nécessaire que le robot peut communiquer avec les humains, et pour cela, il est l'information importante du monde collectées par les capteurs intégrés au robot. Dans notre cas particulier, le rellevant la plupart sont des cam ́eras et des micros, qui peuvent fournir une description assez complète de l'environnement du robot. Dans cette th'ese, nous avons l'intention d'utiliser les informations fournies par les caméras et les micros de robot humano ̈ıde Nao de d ́evelopper des applications qui permettent une interaction homme-robot. Avec l'information visuelle deux algorithmes diff ́erents st ́er ́eo, qui serviront de base pour concevoir d'autres applications, sont pr ́esent ́es. La premi'ere utilise des in- formations provenant framse temporelle diff ́erente de surmonter certains prob- lmes avec les r ́egions sans texture, tandis que la deuxi'eme chaˆıne hi-fi et le flux optique sont recherch ́ees en mˆeme temps afin d'avoir plus d'informations sur la sc'ene. Dans les vecteurs de b ́eton, de position et de vitesse pour chaque pixel. Est le dernier algorithme que le descripteur est con ̧cu pour la reconnaissance d'actions avec des donn ́ees st ́er ́eo. Le but de cela est de tirer parti de l'information suppl ́ementaire qui peut fournir l'st ́er ́eo comme en face de traditionnels algo- rithmes monoculaires qui existent 'a ce jour. Pour compl ́eter et am ́eliorer le taux de reconnaissance moyen de la reconnaissance d'actions, l'information auditive est ́egalement utilis ́e. Il est bien connu que les donn ́ees provenant visuelle et capteurs auditifs est compl ́ementaire et peut aider dans des situations ou' des objets sont cach ́e ou ne sont tout simplement pas l'a. Enfin, une derni'ere application vers une meilleure interaction entre l'humain et le robot est un d ́etecteur de haut-parleur. en ce cas, les donn ́ees des deux modalit ́es est ́egalement utilis ́e, mais il en diff'ere sur la mani'ere dont les informations sont combin ́ees, ainsi que les informations extraites de capteurs visuels et auditifs. Presque la totalit ́e des applications sont mises en œuvre et ex ́ecuter en robot humano ̈ıde NAO.

Dans cette thèse nous proposons une modèl nonlinéaire du système vestibulaire. Le système vestibulaire est essentiel pour locomotion stable à fin qu'il fournit les mesures idiothétiques d'orientation spatial necessaire pour contrôle de la posture. Development du model est baseé sur les principes generals de dynamique Newton-Euler. Les otolithes du système vestibulaire sont modelisé comme pendule sphérique amortie, qui oscille en référentiel non galiléen. Deux types du modèl ont été proposées. Le modèl medial consideers une oreille interne qui se trouve dans le centre de la tête. Le modèl lateral deux oreille interne qui sont situés des deux côté lateral du centre de la tête. Les differences entre les modèls ont été analysé et l'importance d'avoir deux ensembles d'organes vestibulaires ont été discuté. Test algebraic d'observabilité nonlinéaire des models a demonstré que pour avoir l'orientation spatial de la tête observable la tête doit être stabilisée pendant locomotion. Nous avons montré que le problèm d'ambiguïté gravito-inertiel peut être résolu si la tête est stabilisé horizontalement. Ces résultats ont été appliqués pour estimer la verticalité gravitationnelle lors de la locomotion dans les cas linéarisées et non linéaire. Ces résultats ont été appliqués pour estimer la verticalité gravitationnelle pendant locomotion dans les cas linéarisées et non linéaire. Les resultats des simulations ont montré que les erreurs d'estimation ont été significativement plus faible dans le cas de la tête stabilisée. Les estimateurs étaient plus rapides et plus robustes lorsque la tête a été stabilisée. Ensuite, les résultats ont été testés avec le système expérimental, qui a été spécialement conçu pour représenter le système tête-cou et les organes vestibulaires. L'inclinomètre utilisant un liquide a été exploité pour représenter les functions d'otolithes. Les résultats présentés dans cette thèse sont utiles pour l'analyse de la perception spatiale chez les humains et les animaux, et pour améliorer les capacités sensorielles des systèmes robotiques, tels que les robots humanoïdes, véhicules tout terrain, ou des drones.