RecherchearXiv cs.RO 21 juillet 2026

Musée : étude sur l'acceptation du robot Android Andrea, avec et sans simulation d'émotions

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Pendant six jours consécutifs, le robot androïde Andrea a de nouveau été installé dans un musée public en Allemagne pour converser en autonomie complète avec les visiteurs, une deuxième expérience après un premier déploiement qui avait déjà livré des résultats qualitatifs. Cette fois, le robot disposait d'informations contextuelles sur le musée et les expositions environnantes, et pouvait échanger en plusieurs langues avec le public. Sa voix, légèrement synthétique, avait été jugée cohérente avec son apparence très humaine et son genre volontairement ambigu. Trois conditions expérimentales ont été comparées: aucune simulation d'émotion, une émotion pilotée par ChatGPT 4.1, ou l'architecture WASABI dédiée à la dynamique émotionnelle des robots. Au total, 73 visiteurs ont rempli une version étendue du questionnaire TAM2 pour évaluer leur expérience avec Andrea.

Les résultats montrent que ni l'émotion générée par ChatGPT 4.1 ni celle simulée par WASABI n'ont amélioré l'acceptation du robot par rapport à l'absence totale de simulation émotionnelle, et ces différences sont restées indétectables consciemment par les visiteurs. Ce constat va à l'encontre d'une hypothèse répandue en interaction homme-robot: que doter un androïde d'émotions simulées, y compris via un grand modèle de langage généraliste, renforce automatiquement la confiance et l'engagement des utilisateurs. Pour les concepteurs de robots sociaux destinés aux espaces publics, musées, accueil ou commerce, le signal est net: brancher un LLM conversationnel sur un moteur d'émotions ne suffit pas à produire un bénéfice perceptible, et l'architecture spécialisée WASABI n'a pas fait mieux dans ce contexte précis.

Andrea appartient à la famille des androïdes hyperréalistes utilisés en recherche HRI pour étudier l'acceptation sociale des robots humanoïdes en conditions réelles, hors laboratoire. Ce déploiement fait suite à une première étude qualitative menée dans le même musée, dont les enseignements ont orienté cette nouvelle expérimentation quantitative testant trois architectures émotionnelles distinctes sur un échantillon de visiteurs réels. Les auteurs suggèrent que ces résultats négatifs invitent à revoir soit la conception des architectures émotionnelles évaluées, soit les métriques utilisées pour en mesurer l'effet, avant d'envisager de nouvelles itérations avec Andrea ou des androïdes comparables dans des environnements publics.

Impact France/UE

Etude menee par une equipe de recherche allemande dans un musee public en Allemagne, fournissant des donnees concretes utiles aux concepteurs europeens de robots sociaux.

À lire aussi

1arXiv cs.RO

S.E.A.G.R : un robot d'accueil conscient des émotions et des cultures, avec modulation à double couche

Ce robot serreur de mains culturellement conscient propose une architecture de salutation adaptative baptisée SEAGR (Socially and Emotionally Aware Greeting Robot), détaillée dans un article publié sur arXiv le 24 juillet 2026. Le système repose sur une modulation à double couche : l'identité culturelle de l'interlocuteur détermine le type de salutation appropriée, tandis que des indices émotionnels perçus en temps réel ajustent la manière dont ce geste est exécuté. Concrètement, l'architecture combine une cartographie culturelle contextuelle, une modulation des gestes basée sur l'émotion détectée, et une régulation proxémique (gestion de la distance interpersonnelle), le tout organisé selon un schéma classique Sense-Think-Act. Le prototype, à bas coût, utilise une caméra USB, un capteur ultrasonique, des servomoteurs pilotés par Arduino et un traitement Python sur ordinateur portable. Il s'agit d'une preuve de concept de type "system design", sans robot commercial ni déploiement en conditions réelles. Cette publication illustre une limite persistante largement reconnue dans la robotique sociale : la plupart des robots d'accueil actuels utilisent des routines de salutation statiques, insensibles aux variations culturelles ou à l'état émotionnel de la personne, ce qui nuit à la confiance et au confort dès les premières secondes d'interaction, un facteur pourtant documenté comme déterminant en interaction homme-robot. Pour les intégrateurs déployant des robots d'accueil dans des halls, aéroports ou espaces commerciaux multiculturels, une architecture modulaire de ce type ouvre la voie à une personnalisation fine sans réécrire tout le comportement robot par marché. Toutefois, il est important de noter que les auteurs reconnaissent eux-mêmes l'absence totale de validation utilisateur : aucune étude n'a mesuré si les humains perçoivent réellement ces salutations comme plus appropriées ou plus chaleureuses, ce qui limite la portée des affirmations à un stade purement conceptuel. Ce travail s'inscrit dans une lignée de recherche en robotique sociale qui cherche depuis plusieurs années à dépasser les scripts d'interaction figés, en s'inspirant de travaux antérieurs sur la reconnaissance d'émotion par vision et sur l'adaptation interculturelle des robots de service. Contrairement aux plateformes commerciales comme Pepper (SoftBank Robotics) ou les robots d'accueil déployés par des entreprises comme Furhat, qui restent généralement figés sur un registre culturel unique, SEAGR se positionne comme une architecture générique et peu coûteuse, reproductible en laboratoire. La suite logique annoncée par les auteurs est la conduite d'études utilisateurs pour valider empiriquement l'efficacité perçue du système, une étape encore non planifiée dans le calendrier de publication.

RecherchePaper

1 source

2arXiv cs.RO

Remise d'objet robot-humain : étude comparative sur l'orientation et la direction d'approche adaptatives

Des chercheurs ont publié sur arXiv (référence 2604.22378) un framework adaptatif de remise d'objet robot-à-humain qui ajuste dynamiquement la pose de livraison en temps réel, en fonction de la posture de la main de l'opérateur et de la tâche à effectuer ensuite. Contrairement aux systèmes à boucle ouverte qui imposent une orientation fixe, ce système couple une estimation de pose de la main par IA à des trajectoires cinématiquement contraintes, garantissant une approche sécurisée et une orientation optimale à la prise. Une étude utilisateur comparative a été menée sur plusieurs tâches, mesurant à la fois des métriques subjectives (NASA-TLX pour la charge cognitive, Human-Robot Trust Scale pour la confiance perçue) et des données physiologiques objectives via des eye-trackers portables mesurant le taux de clignement des yeux, indicateur validé de stress cognitif. Les résultats montrent que l'alignement dynamique réduit significativement la charge cognitive et le stress physiologique des opérateurs, tout en augmentant leur confiance dans la fiabilité du robot. C'est un résultat concret pour les intégrateurs industriels : la majorité des bras collaboratifs déployés aujourd'hui livrent les objets avec une orientation arbitraire ou prédéfinie, contraignant le worker à corriger la prise, ce qui génère de la fatigue et allonge les temps de cycle. Un système capable d'adapter la pose de remise à l'intention de l'opérateur pourrait réduire les TMS et améliorer le débit sur les lignes d'assemblage à forte interaction humain-robot. Ce travail s'inscrit dans un champ de recherche actif en HRI (Human-Robot Interaction) où la plupart des travaux antérieurs adaptaient seulement la position de livraison, sans tenir compte de l'orientation ni de la tâche aval. Le preprint ne mentionne pas d'industriel partenaire ni de robot commercial spécifique, et les tests restent en environnement contrôlé, le gap lab-to-floor n'est pas encore adressé. Les prochaines étapes naturelles seraient une validation sur plateforme réelle (UR, Franka, ou bras intégré à un humanoïde), et une extension aux environnements bruités où l'estimation de pose de main est moins robuste. Aucun acteur français n'est cité dans ce travail.

RecherchePaper

1 source

3arXiv cs.RO

Adaptation mutuelle dans le co-transport humain-robot avec incertitude sur les préférences humaines

Une équipe de chercheurs a publié en mars 2025 sur arXiv (référence 2503.08895) un cadre unifié de co-transport humain-robot fondé sur l'adaptation mutuelle, visant à résoudre un problème central de la robotique collaborative physique : comment un robot peut-il s'adapter en temps réel à un partenaire humain dont les préférences de trajectoire sont incertaines, et réciproquement ? L'article propose trois contributions distinctes. Plutôt que de fixer a priori les paramètres comportementaux du partenaire, les auteurs modélisent une distribution de probabilité sur l'ensemble des préférences possibles. Ils introduisent ensuite une mesure d'obstination (stubbornness) variant dans le temps, qui détermine dynamiquement si le robot doit mener la trajectoire ou céder la direction à l'humain lorsque celui-ci manifeste une préférence forte et persistante au-delà d'un seuil défini. Enfin, une stratégie d'optimisation de posture s'applique au niveau du contrôle bas-niveau pour compenser les comportements imprévisibles quand l'humain prend les commandes. Le cadre a été validé auprès de vingt participants, complété par des simulations comparatives. Ce travail adresse un verrou technique majeur pour les robots collaboratifs physiques en logistique, industrie et assistance à la personne : l'écart entre les modèles humains supposés et la variabilité réelle des opérateurs. En introduisant une modélisation probabiliste plutôt que déterministe des préférences, le framework évite le blocage classique des systèmes à paramètres fixes qui échouent dès que l'humain dévie du comportement anticipé. Pour un intégrateur ou un COO industriel, le signal concret est que des robots de co-manutention pourraient s'adapter à différents opérateurs sans reprogrammation, réduisant les coûts de déploiement multi-site. La bascule dynamique entre modes "robot meneur" et "humain meneur" offre par ailleurs une flexibilité opérationnelle utile dans des contextes où l'ergonomie ou la sécurité prime sur l'optimisation de trajectoire. Le co-transport physique humain-robot reste peu industrialisé comparé aux AMR ou aux cobots de type Universal Robots et FANUC CRX. Les approches antérieures à impédance variable ou fondées sur des modèles de jeu de Stackelberg avaient posé des bases théoriques, mais butaient sur la rigidité des hypothèses comportementales. Ce papier s'inscrit dans une tendance plus large à intégrer l'incertitude humaine dans la boucle de contrôle, direction explorée notamment par le MIT CSAIL et, en France, par l'INRIA au travers de travaux sur la planification collaborative. Les prochaines étapes probables incluent des validations en environnement industriel réel et l'extension à des tâches multi-étapes, où la gestion de l'obstination sur des horizons temporels plus longs constituera un défi supplémentaire.

UEL'INRIA mène des travaux sur la planification collaborative dans la même direction, positionnant la recherche française pour contribuer à des solutions de co-manutention adaptatives qui pourraient bénéficier aux intégrateurs industriels européens à moyen terme.

RecherchePaper

1 source

4arXiv cs.RO

Estimation simultanée de l'état et apprentissage du modèle en ligne dans un système robotique souple

Des chercheurs proposent, dans une prépublication arXiv (2602.14092v2), une méthode permettant d'estimer simultanément la pose d'un robot souple et d'apprendre en ligne son modèle de rigidité à la flexion, à partir des seules mesures des forces exercées à la base du robot. L'approche repose sur un filtre particulaire marginalisé (marginalized particle filter) interfacé avec un processus gaussien (GP) chargé de modéliser la rigidité en flexion, sans capteurs proprioceptifs distribués le long du corps du robot. Le modèle nominal utilisé est le classique modèle à courbure constante (constant-curvature), réputé simple mais inexact dès que les charges ou les déformations deviennent hétérogènes. La méthode a été validée sur un robot souple physique, et les résultats montrent une réduction mesurable de l'erreur sur les prédictions multi-pas (multi-step forward predictions), signe que le GP appris améliore effectivement la qualité globale du modèle. L'enjeu est de taille pour quiconque cherche à déployer des robots souples dans des contextes industriels ou médicaux : ces systèmes sont intrinsèquement difficiles à modéliser car leur rigidité varie avec la charge, la fatigue du matériau et les conditions environnementales. La majorité des schémas de contrôle prédictif (MPC, par exemple) exigent un modèle précis et stable, condition rarement remplie en pratique. En remplaçant l'hypothèse d'une rigidité constante par un GP appris en temps réel, les auteurs montrent qu'il est possible de réduire le sim-to-real gap sans capteurs supplémentaires ni phase de calibration longue. Cela distingue cette approche des méthodes de marche aléatoire sur les paramètres de rigidité, qui permettent l'estimation mais pas la prédiction. Les robots souples connaissent un regain d'intérêt dans la manipulation de précision, la chirurgie mini-invasive et l'interaction humain-robot, portés notamment par des groupes académiques comme le Soft Robotics Lab de l'ETH Zurich, le CHARM Lab de Stanford ou des acteurs industriels comme Festo (bionic cobotics). Le verrou historique reste la modélisation : un corps déformable infiniment dimensionnel réduit à quelques paramètres discrets. L'identification gray-box, hybride entre modèle physique et apprentissage données, est aujourd'hui l'une des pistes les plus prometteuses pour franchir ce verrou à coût computationnel raisonnable. La prochaine étape naturelle serait d'intégrer cette estimation en boucle fermée dans un contrôleur MPC temps réel et de tester la robustesse sur des charges variables ou des matériaux vieillissants.

UEFesto (Allemagne) et l'ETH Zurich (Suisse) sont explicitement cités comme acteurs clés de la robotique souple ; une meilleure modélisation en ligne bénéficierait directement à leurs programmes de cobotics biologique et de chirurgie mini-invasive.

RecherchePaper

1 source