Projet de recherche doctoral numero :4071

Description

Date depot: 1 janvier 1900
Titre: Modélisation des interruptions dans l’interaction humain-agent grâce au deep-learning
Directrice de thèse: Catherine PELACHAUD (ISIR (EDITE))
Directrice de thèse: Catherine ACHARD (ISIR (EDITE))
Domaine scientifique: Sciences et technologies de l'information et de la communication
Thématique CNRS : Non defini

Resumé: Dans une interaction les interlocuteurs échangent les tours de parole qui peuvent se succéder avec ou non des silences, des chevauchements. Ils peuvent donner lieu à des interruptions, des recoupements… Les échanges de tour de parole peuvent être influencés par le contexte social de l’interaction ou par les relations interpersonnelles entre les locuteurs. Les interruptions et chevauchements ne sont pas perçus de la même façon. La thèse vise à modéliser un agent virtuel conversationnel animé capable de prendre en compte les interruptions dans une interaction. L’agent doit pouvoir réagir verbalement et non-verbalement lorsque son interlocuteur humain l’interrompt et il doit être capable d’interrompre si besoin. La prise de décision lors d’une interruption doit prendre en compte l’effet que produira la gestion des interruptions par l’agent, c’est-à-dire comment l’agent sera potentiellement perçu par l’humain. Ainsi l’objectif de la thèse est dual. Il s’agit de modéliser des agents capables d’être interrompus par leur interlocuteur humain et aussi d’interrompre celui-ci. La thèse se focalisera à développer un modèle computationnel basé sur le deep learning et/ou les algorithmes de renforcement, prédisant quand l’agent peut interrompre l’utilisateur. La modélisation de la prise en compte des interruptions demande aussi de pouvoir (re)planifier en temps réel ce que doit faire l’agent. Les résultats escomptés seront intégrés sur la plateforme GRETA mettant en œuvre un agent virtuel à travers un écran géant. L’application envisagée dans la thèse est celle d’un agent virtuel, e.g. un compagnon ou un assistant, dialoguant de façon naturelle avec des participants.

Résumé dans une autre langue: false



Doctorant.e: Yang Liu