Nataliya Kosmyna - CA-ICO : Co-Apprentissage dans les interfaces Cerveau - Ordinateur

08:00
Vendredi
23
Oct
2015
  • Soutenance de thèse
Lieu : 
Organisé par : 
Nataliya Kosmyna
Intervenant : 
Nataliya Kosmyna
Équipes : 

Membres du jury :

  • Robert Jacob, Professeur, Tufts University, MA, USA, rapporteur
  • José Rouillard, HDR,  Université des Sciences et Technologies de Lille, France, rapporteur
  • Bertrand Rivet, MCF, Grenoble INP, France, examinateur
  • Bertrand David, Professeur, l'Ecole Centrale de Lyon, France, examinateur
  • Jérémie Mattout, CR1, INSERM, Paris, France, examinateur
  • Franck Tarpin-Bernard, Professeur, Laboratoire d’Informatique de Grenoble, France, directeur de thèse

 

Réalisation technique : Antoine Orlandi | Tous droits réservés

Les Interfaces Cerveau Ordinateur Actives (ICOs) permettent à une personne d’exercer un contrôle direct et volontaire sur un système informatique par interprétation de son activité cérébrale : certains signaux du cerveau sont capturés afin que le système reconnaisse des actions imaginées spécifiques (mouvements, images, concepts). Les ICOs actives et leurs utilisateurs doivent être entrainés. Cet entraînement rend les signaux plus aisés à reconnaître par le système. L’acquisition des signaux pour l’entraînement peut nécessiter de 10 minutes jusqu’à deux mois. 

Cependant, à l’heure actuelle les ICO servent principalement dans un contexte médical pour aider les personnes en situation de handicap (moteur, ou empêchant complètement la communication avec le monde extérieur) et se trouvent rarement en dehors de laboratoires spécialisés.
 
L’une des raisons pour cette relative sédentarité laborantine des ICO est la nécessité d’un équipement d’acquisition haut-de-gamme, qui est à la fois cher et peu portable. Même s’il existe des solutions commerciales grand public, leur qualité reste encore insuffisante pour concevoir des ICO robustes et précises. 
 
Les ICO ont encore de nombreuses limitations :
  • La variabilité dans les signaux: les signaux sont différents d’une personne à l’autre voire même chez un même individu à des moments différents. 
  • Des sessions d’entraînement longues et répétitives: entre dix minutes et deux mois, sont ennuyantes et désengagent les utilisateurs du processus d’apprentissage. 
  • Un feedback limité: les systèmes actuels proposent un feedback unimodal élémentaire qui est inadapté pour les nombreux utilisateurs. la communication est unidirectionnelle dans le sens où le système donne des instructions que l’utilisateur doit exécuter. 
 
Toutes ces limitations entravent sévèrement l’adoption des ICO, réduisent le succès commercial conséquent et les applications à l’interaction homme machine (IHM).
 
L’objectif de cette thèse est de proposer des solutions aux problèmes sus décrits afin d’obtenir une architecture consistante qui rendra les ICO plus compatibles avec les applications d’IHM. L’idée principale est l’implantation du co-apprentissage dans la boucle ICO et l’exploration de la manière dont les utilisateurs et le système peuvent mutuellement se donner du feedback dans le but de l’amélioration de l’utilisabilité des ICO. 
 
Mots-clefs : ICO, co-apprentissage, visualisation, protocole d’entraînement, feedback.