Objectif : Notre objectif vise à modéliser les comportements décisionnels cognitifs de personnages virtuels autonomes pour générer des situations d'apprentissage pertinentes dans des activités collectives et complexes et favoriser les apprentissages.

Motivations : Aujourd’hui, la réalité virtuelle permet d’envisager des environnements de plus en plus crédibles et après de nombreux travaux sur l’interaction d’un utilisateur avec son environnement puis sur les interactions collaboratives et coopératives entre plusieurs utilisateurs « réels », les recherches visent à s’intéresser à l’interaction d’un utilisateur avec des personnages virtuels autonomes. En effet, les besoins en terme d’application pour ce type d’interaction sont vastes et permettraient de limiter le nombre d’intervenants réels : formation à la gestion de crise (gestion d’un grand nombre de victimes), modélisation d’usines virtuelles avec de nombreux opérateurs, modélisation d’enfants, etc. Or, les nouvelles possibilités offertes par la réalité virtuelle et la technologie des agents en termes de scénarisation permettent de proposer des personnages virtuels autonomes évoluant dans des environnements. Cependant, modéliser de manière crédible des comportements « humanisés » reste un problème difficile, auquel l’intelligence artificielle se heurte depuis de nombreuses années.

Proposition : Notre approche consiste à rendre compte de la variabilité des comportements humains, des processus décisionnels en situation normale et dégradée, de comportements erronés, d’une cognition située et contextualisée et enfin des facteurs humains qui influencent ces comportements. Nous cherchons à modéliser l’impact de caractéristiques externes (le contexte et l’environnement) sur ses caractéristiques internes (émotions, physiologie). Les perceptions de l'agent peuvent être modulées en fonction de critères physiologiques (faim, fatigue, stress, etc.), de sa personnalité (curiosité, empathie, etc.) et de ses émotions (colère, peur, etc.). Nous cherchons aussi à modéliser comment la cognition de ces personnages virtuels autonomes peut être impactée par des caractéristiques externes et par ses caractéristiques internes (personnalité, émotions, physiologie). Nous proposons des modèles et des architectures permettant de rendre compte de processus variables / erronés. Selon certaines caractéristiques statiques ou dynamiques, les PVA ne perçoivent pas, ne décident pas de la même manière et leurs buts changent selon :

• Etats physiologiques (e.g. fatigue, stress, blessures, contamination)
• Etats émotionnels (e.g. peur, colère, fierté, confiance)
• Traits de personnalité (e.g. leadership, prudence, courage, empathie, altruisme, expertise)

Nous intéressons aussi à l'émergence de comportements collectifs à partir de comportements individuels hautement cognitifs.

Originalité : Notre apport dans ce domaine est de coupler des modèles développés en psychologie cognitive à des modèles de connaissances. Notamment, nous nous sommes intéressés à des modèles proposés dans le domaine de la fiabilité humaine et plus particulièrement sur les risques industriels comme :

• le modèle contextuel de contrôle cognitif COCOM proposé par [Hollnagel, 1993],
• la méthode cognitive CREAM [Hollnagel, 200],
• le modèle sur les Conditions Limites Tolérées par l’usage proposé par [Amalberti, 2001], [De la Garza, 2005],
• le formalisme ACTIVITYL-DL que nous avons proposé pour la modélisation de l'activité.

Nos travaux portent aussi sur le couplage de ces modèles avec des modèles déjà éprouvés dans le domaine de la modélisation décisionnelle de personnages virtuels autonomes comme :

• le modèle de la cognition SOAR [Laird et al., 1987],
• le modèle de personnalité OCEAN [Costa et al., 1992] et
• le modèle d’émotion OCC [Ortony, 1990].

Thèses encadrées :

• Lauriane Huguet (Modélisation de personnages virtuels autonomes pour la formation d'équipes à des compétences non-techniques en situation de crise). Financement Région Picardie et FEDER, soutien projet ANR VICTEAMS

• Lucile Callebert (Moteur décisionnel reposant sur les relations de confiance pour des personnages virtuels autonomes) Financement DGA/LABEX MS2T, soutenue en novembre 2016
  • Lire le mémoire de thèse

• Margot Lhommet (REPLICANTS : humains virtuels cognitifs, émotionnels et sociaux. De l’empathie cognitive à l’empathie affective). Financement DGA, soutenue en novembre 2012
  • Lire le mémoire de thèse
  • Support de la présentation orale
  • Film de la présentation

• Lydie Edward (Modélisation décisionnelle de personnages virtuels pour la scénarisation de situations industrielles dangereuses). Financement projet ANR V3S, soutenue en mai 2011

Projets :

• Projet VICTEAMS (Virtual Characters for team Training: Emotional, Adaptive, Motivated and Social) (2014-2019)
• Projet CRAKEN : Collective intelligence for multicultuRal Activities in Knowledge based virtual ENvironnements
• Projet V3S : modélisation décisionnelle de personnages virtuels autonomes dans des environnements virtuels pour la formation à la prévention des risques
• Projet SAGECE : émergence de comportements collectifs à partir de comportements individuels hautement interactifs
• Conducteur automobile : modélisation du comportement du conducteur automobile