ANR EMOOL

RESUME : Au cours des dernières décennies, le monde technologique qui nous entoure a connu de profondes mutations, notamment portées par les progrès dans les domaines de l’autonomie, de la robotique et de l’intelligence artificielle. Aujourd’hui, les opérateurs humains font régulièrement face à des systèmes fortement autonomes, notamment dans le domaine aéronautique, et ont endossé un rôle de superviseur de ces nouveaux partenaires artificiels. Ce changement profond dans le rôle attribué aux opérateurs humains a généré de nouveaux risques relatifs aux facteurs humains qui se traduisent notamment par des difficultés à comprendre les agents artificiels, à détecter leurs erreurs et à les reprendre en main lorsque nécessaire, un ensemble de problèmes regroupés sous le terme de phénomène de sortie de boucle (ou OOL performance problem). Bien que largement étudié, ce phénomène de sortie de boucle reste aujourd’hui bien difficile à caractériser, et plus encore à compenser. Dans ce cadre, notre projet vise plusieurs objectifs qui seront réalisés dans un contexte écologique de type aéronautique (i.e. ici tâche de supervision de système d’assistance à l’évitement d’obstacles).

 

Objectifs du projet

(1)    Comprendre et caractériser ce phénomène de sortie de boucle durant l’activité de supervision d’un système automatisé à travers l’utilisation et l’analyse conjointe de signaux électroencéphalographiques et oculométriques.

(2) Le contexte émotionnel, au combien important dans le contexte aéronautique sera modulé afin d’étudier son influence sur l’activité de supervision et l’émergence du phénomène de sortie de boucle.

(3) Développer un premier modèle d’estimation de l’activité de supervision sur la base des marqueurs cérébraux et/ou oculométriques en utilisant des méthodes d’apprentissage profond et des approches méthodologiques prenant en considération la dynamique spatio-temporelle du phénomène de sortie de boucle.

Voir les publication sur le Portail HAL-ANR