Element

Stimuler l'apprentissage de mouvements dans les interactions humain-machine

La plupart des interactions basées sur le mouvement proposent des interfaces « intuitives » et des vocabulaires gestuels triviaux. Bien que ceux-ci facilitent l’adoption, ils limitent néanmoins les possibilités d’interactions plus complexes, expressives et véritablement incarnées. Nous proposons de passer des notions d’intuitivité à des notions d’“apprenabilité”. Notre projet aborde à la fois des problèmes méthodologiques et de modélisation computationnelle.

Premièrement, nous devons élaborer des méthodes pour concevoir des vocabulaires de mouvements, lesquelles seraient faciles à apprendre et à composer afin de créer des phrases de mouvement riches et expressives. Deuxièmement, nous devons concevoir des modèles computationnels capables d’analyser les mouvements des utilisateurs en temps réel pour fournir divers mécanismes de feedback et de guidage multimodaux (par exemple visuels et auditifs).

Trois question de recherche fondamentale :

  1. Comment concevoir des mouvements et des gestes, formés de composants faciles à apprendre, tout en permettent des techniques d’interactions complexes au-delà des simples commandes ?
  2. Comment rendre compte de l’apprentissage sensori-moteur avec des modélisations computationnel du mouvement et de l’interaction ?
  3. Comment optimiser des systèmes de feedback et guidages informatique afin de faciliter l’acquisition de compétences ?

L’objectif à long terme est de favoriser l’innovation dans l’interaction multimodale, de la communication non verbale à l’interaction avec médias numériques dans des applications créatives.

Détails du projet

Programme
ANR
Type de programme
Programme générique
Début
1 novembre 2018
Fin
31 octobre 2021
Statut

Participants

Organisation principale du projet
Partenaires
CNRS - LIMSI
LRI Orsay
teams (Ircam)
  • logo Ircam
  • logo LRI