Atelier ACAI

Affects, Compagnons Artificiels et Interactions

30 Juin 2022, Saint-Étienne, France

Voir quelques photos de PFIA 2022 !

Présentation

PFIA 2022 invite des propositions de sessions "Ateliers". Les ateliers seront organisés le jeudi 30 juin 2022.

Objectifs

Le groupe de travail “Affects, Compagnons Artificiels et Interactions” (ACAI) de l'AFIA a été créé en 2012. Son objectif est de regrouper les activités en France autour de l'informatique affective et de l'interaction avec des compagnons artificiels. Il regroupe une communauté pluridisciplinaire de chercheurs en Informatique Affective, en Sciences Cognitive, en Psychologie Sociale, en Linguistique.

https://acai.limsi.fr/

Le GT ACAI se réunit tous les ans, soit dans le cadre d'une conférence, soit pour un atelier d'une journée qui permet d'échanger sur les questions de recherches menées par les équipes du GT en France. Cette année, l'atelier du GT ACAI se tiendra à Saint-Etienne dans le cadre de la plate-forme de l'AFIA. Ce sera l'occasion de confronter nos problématiques aux modèles et aux questions de recherche non seulement auprès de la communauté ACAI, mais aussi avec toute la communauté IA française.

Nous invitons toutes les personnes intéressées par ces thématiques à proposer une présentation dans le cadre de cet atelier ! Comme les années précédentes, il sera organisé autour de présentations courtes (10 à 15 minutes) et de temps d'échanges.

Thématiques

Les travaux présentés et discutés dans le cadre de l'atelier ACAI se situent à la rencontre de plusieurs domaines scientifiques :

Les recherches dans ces domaines scientifiques partagent plusieurs questions scientifiques :

Programme de la journée

9h - 9h15 : Accueil des participants et introduction de la part des organisateurs

9h15 - 10h00 : session 1a : De la donnée au modèle

Auriane Boudin, LPL, Aix-Marseille Université
Les feedbacks conversationnels : étude des interactions humain/humain et humain/machine pour une meilleure compréhension des conversations naturelles
Les travaux présentés se concentrent sur l’étude d’un phénomène spécifique à l’interaction conversationnelle, appelé feedback. Ces phénomènes multimodaux sont des réactions de l’interlocuteur au discours du locuteur principal, indispensables au succès d’une interaction. Un des objectifs est de modéliser les feedbacks à partir de corpus naturels. Un modèle prédictif des sites de réalisations des feedbacks ainsi que de leurs types fonctionnels est proposé. Ce modèle, construit à partir de techniques d’apprentissage automatique, sera ensuite validé par des expériences comportementales et par une implantation dans un agent conversationnel animé.

Alice Delbosc, LIS, Aix-Marseille Université
Génération automatique de comportements persuasifs chez un agent virtuel conversationnel
Dans le cadre du projet ANR COPAINS, nous nous intéressons à la création d’agents artificiels capables de persuader des utilisateurs humains d’adopter des comportements sains pour améliorer leur bien-être. Pour ce faire, nous proposons deux stratégies pour la génération la génération de comportements non verbaux persuasifs de l’agent (mouvements de tête et les expressions faciales) : 1/ une stratégie fondée sur l'exploration de données par apprentissage automatique pour la construction de modèle de comportement, 2/ une stratégie fondée sur l’apprentissage directement de modèles génératifs comme les GANs. Ces deux approches seront présentées avec leur avantages et limites.

Beatrice Biancardi, LINEACT CESI & LTCI, Télécom Paris
Un nouveau corpus pour étudier les dynamiques temporelles des jugements sur des prises de parole en public
Nous présentons le corpus 3MT_French, qui contient un ensemble d'annotations des vidéos du concours "Ma thèse en 180 secondes", collectées sur une plateforme de crowd-sourcing par le biais d'un nouveau schéma et protocole d'annotation. L'évaluation globale, la persuasion, la confiance en soi perçue de l'orateur et l'engagement du public ont été annotés sur différentes fenêtres temporelles (le début, le milieu, la fin de la présentation, ou la vidéo complète). Cette nouvelle ressource permettra d'affiner l'analyse des présentations dans une perspective nouvelle reposant sur des théories sociocognitives rarement étudiées auparavant dans ce contexte, telles que les premières impressions et les théories de primauté et récence.

10h00 - 10h30 : pause

10h30 - 11h30 : présentation invitée: Emiliano Lorini, IRIT
Influencing Choices by Changing Beliefs and Emotions
I will present a conceptual analysis of influence, persuasion and deception. The central assumption of the analysis is that an agent's choices and intentions can be indirectly changed by changing its beliefs. In other words, influence on behavior can be realized through persuasion. I will show how these concepts can be formalized using logic. Time permitting, I will discuss the "affective path" of influence. Since emotions are triggered by beliefs and retroact on intentions, an agent's behavior can be changed, or simply affected, by eliciting certain emotions.

11h30 - 12h : session 1b : De la donnée au modèle

Gaël Guibon, LTCI, Télécom Paris & SNCF (Dpt Innovation & recherche, équipe plateau IA)
De l’annotation de conversations privées à la prédiction d’émotions en conversations à partir de peu d’exemples
De nombreuses données conversationnelles sont produites tous les jours mais ne sont ni annotées, ni diffusables, par souci de confidentialité. Dans le cadre de nos travaux pour la détection de conversations problématiques, nous avons mis en place plusieurs processus pour pallier ce problème.
a) Nous proposons un outil d’annotation facile d’utilisation et libre d’accès dédié aux conversations de messageries instantanées et ayant pour particularité de permettre une annotation à deux niveaux.
b) Nous proposons une méthode d’apprentissage frugal à partir des conversations annotées, montrant ainsi le premier exemple d’apprentissage frugal pour la détection d’émotion en conversation.
Ces deux processus sont liés et permettent de considérer la détection de comportements sociaux et la qualité de l’interaction entre utilisateur, même dans un cadre confidentiel, privé et limité en ressources.

Rami Younes, GIPSA-Lab/LIG-Lab/MIAI, Univ. Grenoble-Alpes
Description verbale d'assemblage incrémental de formes géométriques pour l'interaction homme-robot
Doter un robot de capacités de communication verbale et non verbale est essentiel pour lui permettre de collaborer dans une tâche conjointe avec des partenaires humains. Nous adressons ici le cas particulier où le robot est le seul à connaître l'objectif de la tâche et à pouvoir organiser le travail. Nous avons pour ceci développé et évalué un système de description verbale intégrant des variations sémantiques, syntaxiques et lexicales. Pour façonner et évaluer cet espace de verbalisation, nous avons mis en place trois collectes de données par "crowdsourcing" pour: (a) collecter des descriptions humaines, (b) les évaluer et (c) évaluer les performances comparées des descriptions humaines et synthétiques en termes objectifs (succès de l'action, temps d'exécution, etc) et qualitatifs. Nous montrons que la politique de verbalisation a un impact significatif sur les performances et que notre système peut rivaliser avec des descriptions humaines, notamment lorsqu'il fait des références implicites à des sous-structures déjà construites (colonnes, arches, escaliers, etc).

12h - 13h30 : déjeuner

13h30 - 14h30 : session 2: Les utilisateurs : qui sont-ils ? Comment perçoivent-ils les personnages virtuels ?

Rémi Poivet, Ubisoft et CNRS-ISIR, Sorbonne Université
The coherence between appearance and behaviors affects intelligence and believability attribution to emotionally hostile characters.
Designing believable Non-Player Characters (NPCs) is a complex process that needs to take into account how players will perceive them. Believability can be defined as the correspondence between players’ expectation and the actual game. Players usually ascribe human traits to NPCs, such as intelligence, based on their appearance and behaviors. NPC enemies participate in the inherent challenge of video games. When creating an emotionally hostile NPC, designers need to create both an appearance that triggers threatful concepts and behaviors perceived as aggressive. To create surprise in players, designers manipulate the coherence between NPCs’ appearance and behaviors. It thus appears timely to investigate the impact of such coherence on the attribution of intelligence and believability. In our study, we do so in the context of hostile NPCs in a military video game. To assess the impact of coherence, we started by measuring the threat of appearance and the aggressivity of behaviors of different NPCs. Then, we created controlled interactions between a player’s avatar and a NPC, whose appearance and behavior were manipulated. Participants were asked to rate perceived intelligence and believability of NPCs using affect-related (Godspeed)and morality related (Character moral foundations) questionnaires. Our results show that coherent hostile characters are perceived as being more intelligent and believable.

Marjorie Armando, LIS, Aix-Marseille Université
Moins féminine donc plus compétente ? Étude perceptive de l'influence de la féminité et masculinité des personnages virtuels sur la perception des utilisateurs
Une récente étude met en évidence une évolution des stéréotypes de genre dans les interactions humains-humains. Les individus attribueraient de manière plus équitable les traits stéréotypiquement associés aux hommes (être ambitieux, être compétitif, …) et les traits de compétence (être perçu comme intelligent, être cultivé, …) envers les hommes et les femmes. L'objectif de l'étude perspective qui sera présentée est d'étudier si ces évolutions se retrouvent également dans les interactions humains-machines. Nous avons pour ce faire récolté les perceptions de 119 participants sur quatre agents virtuels parlant d’un fait scientifique en faisant varier le niveau de féminité et de masculinité des personnages. Les résultats montrent que le niveau de féminité ou masculinité a une influence plus importante que le genre attribué aux personnes.

Rachel Chauvin, LISN-CNRS, Université Paris-Saclay
Effet d’un entretien motivationnel avec un agent virtuel sur l’engagement des séniors à faire de l’activité physique : comparaison avec d’autres modalités d’interaction.
Les agents conversationnels figurent parmi les méthodes innovantes pour promouvoir l’activité physique pour la santé. Il s’agit, au travers d’une étude en cours, d’évaluer comment une intervention avec un agent virtuel agit sur la motivation et l’intention des séniors sédentaires à faire davantage d’activité physique. La méthode d’accompagnement privilégiée est l’entretien motivationnel (Miller & Rollnick, 2012), une approche centrée sur la personne qui vise à développer la confiance dans ses capacités et la motivation intrinsèque du client/patient à changer de comportement. L’esprit de collaboration, l’empathie et le non-jugement caractérisent l’attitude de l’intervenant humain qui prend en compte les résistances de la personne pour l’aider à les surmonter. Aussi, nous avons cherché à reproduire ces caractéristiques dans le design de la conversation avec l’agent virtuel, en proposant un large éventail d’options de réponses permettant à l’utilisateur d’exprimer ses doutes et ses craintes autant que ses désirs. Un comparaison avec deux autres modalités de communication est prévue pour mieux évaluer les propriétés et le niveau d’efficacité de l’entretien motivationnel : a) une variante directive de l’entretien avec le même coach virtuel, où les options de réponses de l’utilisateur sont restreintes afin de l’inciter à adopter d’emblée une attitude favorable envers le but ; b) un site web avec un contenu textuel similaire sur l’activité physique pour étudier l'apport de la présence d'un agent incarné à l'interaction auprès des séniors.

Florian Debackere, LISN-CNRS, Université Paris-Saclay
Profilage des patients lombalgiques en vue du développement d'une application de coaching personnalisé
La lombalgie est un problème majeur de santé publique qui augmente avec le vieillissement de la population. Elle est la première cause d'invalidité dans la plupart des pays. Les recommandations de l'Inserm (2019) sont de proposer des programmes d’activité physique personnalisés en fonction des caractéristiques individuelles (motivation, préférences, attitude vis-à-vis de l'activité physique) et du contexte de vie (charge familiale et professionnelle, niveau socio-économique, lieu de vie) de chaque patient. Cependant, la prise en charge actuelle de la lombalgie chronique comprend des programmes de rééducation coûteux et/ou pas toujours personnalisés, ce qui réduit leur efficacité. L'objectif de cette recherche est de mieux comprendre les caractéristiques des personnes lombalgiques chroniques afin de dégager des profils types permettant de proposer un coaching plus personnalisé via une application mobile. La principale nouveauté de cette recherche est la distinction de ces 4 profils motivationnels dans la population lombalgique déterminée par une méthode de clustering. Cette typologie nous permettra de faire des recommandations pour la conception d'une application mobile de coaching personnalisé. Les travaux futurs auront pour objectifs de tester et évaluer la personnalisation du e-coaching en fonction de ces profils.

14h30 - 14h45 : pause et changement de salle

14h45 - 15h45: session 3 : Modéliser l’interaction verbale et non-verbale

Florian Pecune, Waseda University
Un agent conversationnel persuasif pour changer les habitudes culinaires de ses utilisateurs
Les mauvais comportements alimentaires constituent un enjeu majeur de santé publique ayant de graves répercussions sur la santé des individus. Une solution pour surmonter ce problème est d’aider les gens à changer leur comportement alimentaire en leur proposant des recettes de cuisine saines correspondant à leurs habitudes et à leurs préférences. Dans cette présentation, nous décrirons tout d’abord Cora, un agent conversationnel capable de recommander des recettes saines et personnalisées à ses utilisateurs. Nous présenterons ensuite les résultats de deux expériences différentes. Dans la première, nous évaluerons l'impact des compétences conversationnelles de Cora et du mode d'interaction sur la perception des utilisateurs. Dans la seconde évaluation, nous étudierons l'influence des explications et des comparaisons sur cette même perception.

Anna Pappa, LIASD, Université Paris 8, T. Cazenave et G. Grosjean, LAMSADE, Université Paris Dauphine-PSL, Baptiste Rozière, LAMSADE et Meta AI
Un chatbot qui donne la réplique !
À l’occasion du quatre-centenaire anniversaire de Molière (1622-1673), nous présentons un agent conversationnel qui donne la réplique comme un personnage du théâtre de Molière. Le chatbot transpose un personnage grâce à une intelligence artificielle entraînée sur la totalité des œuvres de Molière. Comprendre une langue telle qu'elle est écrite et parlée aujourd'hui et répondre en français du 17e siècle, donner des réponses qui véhiculent de l'émotion et des sentiments propres à un personnage et enfin tenir un dialogue cohérent sont les défis qui guident notre recherche sur les systèmes de dialogue intelligents.

Nezih Younsi, CNRS-ISIR, Sorbonne Université
Adaptation and personalisation of virtual agents and social robots to their users
The adaptation of conversational agents and social robots to the profiles and preferences of their users is a personalization problem that can be addressed through different approaches. Some studies chose an a priori personalization of their conversational agents or robots. Based on theories and models inspired from psychology and cognitive sciences (Big life model, Eysenck, Similarity attraction theory, Complementarity attraction theory ...etc) as well as questionnaires and data extracted from users, they personalize the behavior of their agents according to the user. A second approach defines adaptation as a process of dynamic and interactive personalization of the agent's behavior according to the user's personality and preferences, during the interaction. Several studies have attempted to address this challenge by using various deep learning and machine learning models, the reinforcement learning (RL) paradigm which seems to be the most adapted to this task from an algorithmic point of view. A third hybrid approach consists in first building typical user models before the interaction via the same a priori personalization methods, then adjusting and fine tuning the model parameters during the interaction in order to obtain the optimal adapted behavior policy for the user.

Pierre Raimbaud, INRIA Rennes, Mimetic team
Vers des agents plus expressifs et plus réactifs : l’importance de la communication non-verbale dans les interactions agents-utilisateurs
Nos travaux portent l’expressivité et la réactivité des agents virtuels en environnements virtuels. Nous cherchons ainsi, par une approche en lien direct avec le domaine des sciences du mouvement et celui de la perception, à améliorer l’expérience des utilisateurs en réalité virtuelle. En effet, un environnement peuplé plus expressif et réactif contribue à améliorer le ressenti des utilisateurs. Cela se traduit notamment par des décisions, des actions et des réactions de ceux-ci en interaction avec les agents, qui peuvent différer selon certains de leurs traits de personnalités. Nous avons notamment étudié l’importance du contact visuel entre les utilisateurs et agents. Concernant cet aspect de la communication non-verbale, nous avons pu montrer son influence lors d’interactions en environnement virtuel, particulièrement pour initier un contact ou maintenir l’attention entre parties prenantes de l’interaction.

15h45 - 17h : débat et conclusion

Organisation

Programme scienfitique

Beatrice Biancardi (LINEACT-CESI)
Gaël Guibon (LTCI, Télécom Paris)
Thomas Janssoone

Site web

Nicolas Sabouret (avec l'aide de l'équipe organisatrice de PFIA 2022)

Comité des anciens

Céline Clavel (LISN)
Chloé Clavel (LTCI)
Ludovic Hoyet (MimeTIC)
Domitile Lourdeaux (Heudiasyc)
Jean-Claude Martin (LISN)
Magalie Ochs (LIS)
Catherine Pelachaud (ISIR)
Brian Ravenet (LISN)
Nicolas Sabouret (LISN)