Les robots sociaux plus sociables

Les robots sociaux ne cessent d’évoluer et d’assurer différentes fonctions dans l’industrie, les services, le divertissement, notamment dans les milieux domestiques. Prenant des formes humaines ou animales, ils sont dotés de technologies qui leur permettent de communiquer et d’interagir avec les humains. Un des acteurs mondiaux de ce secteur, le Japon, qui « se positionne désormais comme premier pays producteur et exportateur de robots industriels » [1] (en revanche, les importations restent très marginales : seulement 1 % des robots utilisés au Japon sont importés).

Parmi les grandes entreprises nippones qui innovent en robotique, le pays compte l’entreprise publique de communication, Nippon Telegraph and Telephone (NTT) Corporation. Une équipe de chercheurs de la NTT a créé une nouvelle technologie destinée aux robots sociaux, dont l’objectif est d’apprendre aux robots à aborder des passants et à attirer leur attention sans les mettre mal à l’aise. Selon l’équipe, cette technologie répond à un besoin grandissant dans le secteur commercial. En effet, plusieurs entreprises ont commencé à tester l’efficacité des robots dans l’accomplissement des tâches effectuées par les employés des services à la clientèle, comme les réceptionnistes, les guides et les exposants. Puisqu’il est important de mettre les clients à l’aise, les robots ne doivent pas les déranger ou les brusquer. Pour concevoir la technologie qui prend en considération les pratiques du service à la clientèle, l’équipe a choisi une approche de la communication comportementale.

L’apprentissage par renforcement

Le chercheur Yasunori Ozaki a expliqué que l’approche s’inspire des techniques utilisées par les aboyeurs, personnes dont le métier est d’attirer les clients à l’intérieur d’un commerce. En effet, après avoir observé le comportement des aboyeurs de restaurants, Ozaki a constaté que ces derniers interpellaient seulement les gens qui leur semblaient intéressés, ce qu’ils étaient capables de déduire en scrutant le comportement des passants. L’équipe a de fait défini une approche qui permet au robot de comprendre les comportements et les réactions des clients potentiels et d’adapter leurs interactions en fonction de chaque situation.

Il s’agit d’une approche centrée sur le client utilisant l’apprentissage par renforcement. C’est un type d’intelligence artificielle qui amène le robot à prendre des décisions et à agir dans un environnement dynamique. Le robot apprend à faire la distinction entre les bonnes et les mauvaises décisions prises en recevant, ou non, des récompenses au fil des expériences.

Le robot conçu par l’équipe est muni de détecteurs qui permettent de collecter des informations sur le comportement des personnes abordées. Il peut ainsi évaluer l’état émotionnel d’un client à partir de ses réactions, et ce, en analysant les images recueillies par le capteur. L’approche mise au point par l’équipe repose sur un système basé à la fois sur la récompense et la pénalité. Si le robot gène le passant avec lequel il communique, il encourt une pénalité. Par contre, si un passant s’arrête, interagit avec le robot et s’y intéresse, celui-ci reçoit une récompense. Au fil du temps, le robot apprend à adapter ses stratégies d’interaction afin d’attirer l’attention des gens sans les mettre mal à l’aise.

Pour évaluer leur méthode, les chercheurs ont placé un robot à l’entrée d’un bureau. Durant l’expérience, le petit humanoïde devait interpeller les passants et essayer d’attirer leur attention. Les résultats du test ont été positifs, car dans la plupart des situations, le robot a été capable d’attirer l’attention des gens sans les importuner.

L’équipe a conclu au terme de cette étude que les robots sociaux gagnent à être plus efficaces en apprenant les principes de l’expérience utilisateur dans l’environnement humain. Cela permettrait aux robots d’adapter leurs actions à différentes situations et utilisateurs, en fonction des manières acquises.

L’étude intitulée « Can Robot Attract Passersby without Causing Discomfort by User-Centered Reinforcement Learning? » a été publiée sur la plate-forme arxiv.org le 14 mars 2019. Elle a été coécrite par Yasunori Ozaki, Tatsuya Ishihara, Narimune Matsumura et Tadashi Nunobiki.