LAMIA
Membre

Audrey ROBINEL
Statut: Docteur à l'Université des Antilles
Equipe: APPRENTISSAGES INTERACTIONS DONNEES
Département: Math-Info
Bureau:
:
: 0590483086
:

SiteThèmes de RechercheRecherchePublicationsEnseignementAutres Activités


Intelligence artificielle appliquée, réseaux de neurones artificiels, systèmes apprenants, instrumentation d'interfaces homme-machines, diagnostic automatique, analyse de données de capteurs multiples



^


Problématique générale

Avec l'augmentation de la puissance des processeurs embarqués, et la multiplication des dispositifs mobiles, ainsi que des capteurs au sein de ceux ci, nous disposons bien souvent d'une quantité très importantes de données de "bas niveau", telle l'accélération, la température, la luminosité, etc.

On dispose de toutes ces données brutes en grande quantité, avec une résolution assez élevée, et une fréquence de rafraîchissement souvent importante dans les smartphones par exemple. Dans une automobile moderne, on dispose d'un nombre encore plus grand de capteurs, avec des données sur l'utilisation des commandes du véhicule, des données techniques sur la réponse de celui ci, ou encore des données environnementales.

Toutes ces données cependant ne permettent pas aisément d'établir des diagnostics de haut niveau de façon aisée, car ne sont pas directement corrélées à des phénomènes plus  complexes que l'on souhaiterait connaître.

Notre approche du problème

Ce que nous proposons, c'est justement d'utiliser la puissance de calcul et les capteurs disponibles dans les appareils du quotidien pour obtenir de l'information sur l'utilisateur, l'environnement, ou toute autre information jugée utile. L'enjeu de est de permettre aux appareils du quotidien de "comprendre" leur utilisateur, pour mieux s'y adapter. Nous avons notamment travaillé sur la problématique de la conduite en état d'ébriété. Dans ce contexte, nous avons pu mettre en place un dispositif permettant de déterminer l'alcoolémie d'un conducteur en fonction de sa façon de conduire, et ce en utilisant des capteurs disponibles -ou susceptibles de l'être- dans les véhicules modernes.

Nous réalisons donc une analyse comportementale automatisée en exploitant les flux de données de divers capteurs sur lesquels nous effectuons un certain nombre d'opérations pour en générer une synthèse qui pourra alors être exploitée par des systèmes apprenants.

D'un point de vue pratique (le détail de la méthode est mentionné dans les publications sur cette page), nous collectons des données de sujets pour lesquelles le diagnostic souhaité est connu, et nous entraînons des systèmes apprenants à classifier les sujets ou encore estimer la valeur d'un paramètre qu'on veut connaître. De là, il devient alors possible d'effectuer ce diagnostic pour des sujets dont l'état n'est pas préalablement connu.

Implications

Cela nous permet donc d'envisager de rendre les appareils modernes plus "intelligents", dans le sens ou ceux ci deviendront capables de réagir pour s'adapter à un utilisateur spécifique, ou à un changement d'état de celui ci. Dans le cadre d'un système informatique, on pourra par exemple détecter le niveau de maîtrise du sujet, et désactiver ou activer les aides contextuelles, qui agacent les utilisateurs confirmés, mais que ne savent pas forcément activer les débutants. De même, dans le contexte de la sécurité, on peut ainsi rendre une machine inopérante en cas d'utilisation dangereuse, et ainsi protéger l'usager.

L'idée générale est de permettre au système de pouvoir connaître des informations sur l'usager non pas en attendant de celui ci une saisie et un paramétrage, mais par une analyse comportementale automatisée.

Applications explorées

Pour l'instant, nous travaillons sur deux axes. Le premier est celui de la conduite automobile, avec la problématique de l'alcoolémie, qui nous a permis de développer et affiner nos méthodes, mais également d'autres problématiques telles que l'attention, la fatigue, ou encore l'aptitude à la conduite. En effet,nous avons conçu nos outils pour qu'ils soient adaptables à de nombreuses problématiques, ce qui fait qu'il s'agit maintenant de faire des ajustements éventuels pour chaque problématique plutôt que de développer un système pour chaque problème.

Nous travaillons également sur l'aide au bilan neuropsychologique, ou cette fois ci, le dispositif instrumenté est une tablette tactile, pourvue de jeux développés spécifiquement à cet usage. Dans cette optique, il s'agit par l'analyse comportementale automatique d'établir un diagnostic intermédiaires ou d'obtenir des notations permettant au psychologue d'établir un diagnostic final. Par rapport aux tests classiques, la différence est qu'au lieu d'effectuer des tests dits "papier-crayon", les enfants jouent à des jeux qui les amusent, et ne leur donnent pas le sentiment d'être testés. On obtient donc un comportement plus naturel, et des sessions de tests moins éprouvantes pour les enfants. Cette  méthodologie peut également être appliquée à de nombreuses autres problématiques, pourvu qu'une application adaptée soit développée.

Une fois la collecte de données effectuées, toute la partie basée sur les systèmes apprenants reste toutefois similaire ou très proche, de sorte que les outils utilisés pour l'axe "conduite" sont réutilisés ici.

Systèmes apprenants

Nous utilisons des systèmes apprenants (techniques dites de "Machine Learning") pour réaliser ces tâches. Nous avons notamment beaucoup utilisé les réseaux de neurones artificiels, avec le modèle du perceptron multicouches, ainsi que les machines à vecteurs de support (SVM). D'autres techniques ont été utilisées, avec des arbres, des classifieurs bayesiens, des fonctions RBF...

Tous ces systèmes sont utilisés dans notre contexte avec une base d'apprentissage, ce qui nous permet de pouvoir utiliser de très nombreux systèmes apprenants (il est ainsi possible d'en essayer beaucoup pour trouver le plus adapté). Ces systèmes peuvent également être utilisés en parallèle (avec du voting) pour améliorer les performance dans certains cas.

Les systèmes apprenants apportent toutefois des problématiques particulières, telles que la nécéssité d'optimiser les hyper-paramètres du classifieur utilisé, ou encore la sélection d'attributs. Nous avons pu trouver diverses techniques pour ces problématiques, et quand nécessaire développé des outils pour cela.

 

 



^


Nombre total de publications : 4


Communications avec actes

Multi-User Blood Alcohol Content Estimation in a Realistic Simulator using Artificial Neural Networks and Support Vector Machines. Audrey Robinel, Didier Puzenat - ESANN 2013, European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning, Apr 2013, Bruges, Belgium. pp.431-436, 2013
Instrumentation and Features Selection Using a Realistic Car Simulator in Order to Perform Efficient Single-User Drunkenness Analysis. Audrey Robinel, Didier Puzenat - ACHI 2013, The Sixth International Conference on Advances in Computer-Human Interactions, Feb 2013, Nice, France. pp.407-421, 2013
Real time drunkenness analysis in a realistic car simulation. Audrey Robinel, Didier Puzenat - ESANN. European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning, Apr 2012, Bruges, Belgium. pp.85-90, 2012
Real Time Drunkness Analysis Through Games Using Artificial Neural Networks. Audrey Robinel, Didier Puzenat - International Conference on Advances in Computer-Human Interactions, Feb 2011, Gosier, Guadeloupe. pp.206-211, 2011


^


Enseignements de l'année 2010-2011
Informatique des Sciences Exactes (TP, L1, Informatique) - UEO 12.12
MI des Sciences Naturelles (TP, L1, informatique pour les sciences naturelles) - UEO12.21
Programmation système (TP, L3, Informatique) - MI-UEO69.1

Enseignements de l'année 2011-2012
Intelligence Artificielle II - Connexionnisme (TP, M2, Informatique) - UEO81.1
Intelligence Artificielle II - Connexionnisme (TD, M2, Informatique) - UEO81.1
Principes des systèmes d'exploitation (TP,L2, Informatique) - MI UEO48.1
Principe des systèmes d'exploitation (TD, L2, Informatique) - MI UEO48.1
Informatique des Sciences Exactes (TP, L1, Informatique) - UEO 12.12
MI des Sciences Naturelles (TP, L1, informatique pour les sciences naturelles) - UEO12.21

Enseignements de l'année 2012-2013
Initiation à la programmation (TP,L1, Informatique) - UEO12.12
Initiation à la programmation (TP,L1, Sciences naturelles)- UEO12.21
Programmation Système (TP, L2, Informatique) - UEO48.1
Système avancé (TD et TP, M1, Informatique) - UEO71.1
Programmation web XML (Cours-TP, M1, Informatique) - UEO81.2

Encadrement de stagiaires
Co-encadrement d'un stage de M1 en 2011-2012 (3 mois)
Co-encadrement d'un stage de M2 en 2011-2012 (6 mois)
Co-encadrement d'un stage de M1 en 2012-2013 (3 mois)
Co-encadrement d'un stage de M2 en 2012-2013 (6 mois)



^


Depuis la rentrée 2012, j'assume la présidence de l'Association des jeunes chercheurs de  Guadeloupe (AJC en Guadeloupe).Le but de cette association est de permettre aux étudiants en thèse, jeunes docteurs, ou étudiants de master de se retrouver autour des thèmes de la recherche, pour échanger sur ces sujets. Nous faisons également des actions de vulgarisation scientifiques, et bien d'autres activités. Pour en savoir plus, je vous invite à consulter le site de l'AJC en Guadeloupe.

 

D'autre part, j'ai démarré un club d'informatique/robotique afin de permettre aux étudiants de se retrouver autour de projets innovants, de partager des connaissances, et surtout de créer des échanges plus importants entre eux et de la motivation à aller "plus loin" dans leur connaissance de l'informatique. Ce projet en est encore à ces débuts, mais rencontre un certain succès auprès des étudiants. Si vous êtes intéressé(e), n'hésitez pas à prendre contact par mail avec moi.

 




Lien direct : lamia.univ-ag.fr/membres/audrey-robinel

Actualité
LAboratoire de Mathématiques, Informatique et Applications