Une percée révolutionnaire en robotique sociale transforme la façon dont les machines apprennent à interagir avec les humains. Des chercheurs ont développé un système de simulation permettant de former des robots sociaux sans recourir à des participants humains, ce qui pourrait bouleverser le calendrier de développement du domaine.
L’étude, présentée lors de la conférence internationale IEEE sur la robotique et l’automatisation (ICRA) 2025, a été menée par une équipe de l’Université de Surrey et de l’Université de Hambourg. Leur approche repose sur un modèle dynamique de prédiction du parcours visuel qui aide les robots à anticiper où les humains porteraient naturellement leur regard lors d’interactions sociales.
« Notre méthode nous permet de vérifier si un robot porte attention aux bons éléments — tout comme le ferait un humain — sans nécessiter de supervision humaine en temps réel », explique la Dre Di Fu, co-responsable de l’étude et professeure en neurosciences cognitives à l’Université de Surrey.
L’équipe de recherche a validé son modèle à l’aide de deux ensembles de données publics, démontrant que des robots humanoïdes pouvaient imiter avec succès les mouvements oculaires humains. En projetant des cartes de priorité du regard humain sur un écran, ils ont comparé directement la concentration d’attention prédite par le robot avec des données réelles, éliminant ainsi le besoin d’études à grande échelle sur l’interaction humain-robot aux premières étapes de la recherche.
Cette innovation s’attaque à un obstacle majeur dans le développement de la robotique sociale. Jusqu’à présent, les chercheurs devaient recruter de nombreux participants humains pour former et tester des robots conçus pour des contextes sociaux comme l’éducation, la santé ou le service à la clientèle. Parmi ces robots, on compte Pepper, un assistant en commerce de détail, et Paro, un robot thérapeutique pour les personnes atteintes de démence.
En permettant aux chercheurs de tester et d’affiner à grande échelle, par simulation, les modèles d’interaction sociale avant leur déploiement dans le monde réel, cette avancée pourrait accélérer de façon spectaculaire le cycle de développement des robots sociaux, tout en réduisant les coûts et en améliorant leur efficacité dans les environnements humains.