Apprendre à anticiper : apprentissage par renforcement et World models pour un robot social

L'accompagnement par un robot d'une personne en situation de handicape (par exemple ayant une déficience visuelle) dans un espace fréquenté suppose bien plus que l'évitement d'obstacles. Le robot doit rester aux côtés de la personne à une distance confortable, alterner entre une allure lente ou irrégulière, maintenir son attention sans être intrusif, et partager le couloir avec des passants. La difficulté centrale est que les humains réagissent au robot : si celui-ci se décale à gauche, l'humain en face s'adapte aussi. Prédiction et décision sont donc indissociables, on ne peut anticiper le comportement des personnes sans connaître le futur mouvement du robot. Les systèmes actuels contournent ce couplage : certains ne réagissent qu'à l'instant présent, ce qui les rend maladroits dans les espaces contraints ; d'autres prédisent séparément les trajectoires humaines puis planifient contre cette prévision figée. Cette stratégie obtient des blocages en foule ou des trajectoires longeant les murs. Les approches calculant conjointement les futurs du robot et des humains deviennent trop coûteuses dès que le nombre de personnes et l'horizon augmentent. Cette thèse propose que le robot anticipe avant d'agir. Un World modèle est un réseau qui apprend à répondre à la question « si je fais cette action, à quoi ressemblera la scène dans quelques secondes ? ». Les World models fonctionne comme un simulateur mental, dans lequel plusieurs actions candidates peuvent être déroulées. Les action sont choisies selon un futur plus sûr et plus prévisible. Les World models existants on encore des limitations dans notre contexte d'assistance. Ils compressent généralement la scène en un unique vecteur abstrait, perdant le détail spatial nécessaire pour juger si un passage est franchissable ou une personne trop proche. D'autre part, la littérature reste très limiter lorsqu'il sont couplés avec de l'apprentissage par renforcement (RL) pour des tâches d'assistance. Le projet traite les deux points. La structure spatiale est préservée en prédisant dans l'espace de représentation d'un extracteur visuel gelé qui encode déjà la géométrie, et la dynamique temporelle est modélisée par un Transformer. À partir d'un unique état interne, le modèle prédit simultanément la géométrie de la scène (profondeur), les trajectoires des personnes alentour, et la réaction de la personne accompagnée (est-elle toujours engagée, le robot est-il trop proche). La politique du robot est ensuite apprise par renforcement avec deux ajouts : le futur prédit est fourni à la politique comme entrée supplémentaire, afin que les décisions reposent sur l'anticipation et non sur la seule image courante ; et la réaction humaine prédite est convertie en pénalité, dissuadant le robot d'actions qui encombreraient, surprendraient ou perdraient la personne (avant même de les exécuter). Parce que le modèle expose l'incertitude de ses prédictions, une faible confiance déclenche un repli conservateur (par exemple ralentir, s'arrêter, demander une clarification) plutôt qu'une décision confiante et erronée. La plateforme cible est l'humanoïde Pepper (déjà à disposition), qui agit en se déplaçant par le regard et la parole : l'anticipation doit donc couvrir le regard et le langage, pas uniquement le mouvement. Les verrous principaux sont le réalisme de la simulation sociale, l'apprentissage sans épuiser des utilisateurs réels en situation de handicap, le filtrage des comportements socialement inappropriés avant toute exposition à un usager, et l'adaptation à des préférences individuelles très contrastées. L'évaluation combinera métriques de navigation, intégrant la qualité de l'accompagnement. Cette thèse inclue des collaborateurs du milieu hospitalier sur le site de Toulouse et d'Adelaïde. École doctorale : EDMITT - Ecole Doctorale Mathématiques, Informatique et Télécommunications de Toulouse Direction : Emmanuelle CLAEYS Financement : MSCA COFUND BEST