Analyse comparative des méthodes basées sur l’apprentissage par renforcement profond dans le cadre d’une tâche de collaboration Humain-Agent Artificiel.

Suite à un désistement de dernière minute du candidat, nous réouvrons l’appel à candidature pour le stage suivant:

Depuis l’avènement de l’intelligence artificielle (IA) initié par Alan Turing, les avancées technologiques en IA sont fréquemment évaluées par sa supériorité dans des jeux compétitifs tels que les échecs, le poker ou le Go, comme le soulignent Hassabis (2017) et Silver et al. (2017). Les agents artificiels (AA) se sont illustrés dans ces domaines, démontrant la puissance des algorithmes décisionnels séquentiels, notamment dans les approches d’apprentissage par renforcement profond (DRL) (Crandall et al. (2018)). Toutefois, l’accent placé sur les contextes compétitifs a souvent occulté l’importance cruciale de la collaboration humain-IA, un aspect prédominant dans de nombreuses situations réelles (European
Commission et al. (2020), comme le mettent en évidence les travaux de Jaderberg et al. (2019), Silver et al. (2017) et Vinyals et al. (2019). Dans ce cadre, le jeu « Overcooked » se distingue comme un environnement idéal pour étudier la collaboration Humain-IA (Carroll et al. (2019), Rosero et al. (2021), Yang et al. (2022)). Son gameplay coopératif complexe est utilisé comme plateforme de recherche dans le projet HAICO (Human-AI Collaboration). Alors que des recherches précédentes ont exploré l’utilisation d’agents en Self-Play (auto-apprentissage à partir d’une version passé de lui-même) en intégrant des modèles comportementaux humains, ce projet envisage d’examiner d’autres approches, telles que l’apprentissage basé sur des populations (PBT), le Clonage Comportemental, et le Fictif Co-gaming (FCP) en intégrant dès la phase d’apprentissage des modèles comportementaux humains.
Les objectifs spécifiques de ce stage comprennent :

• Etat de l’art des récentes techniques de DRL pour la collaboration Humain-Agent Artificiel.
• Entrainement des agents par méthode en utilisant des approches variées.
• Intégration et comparaison des méthodes dans l’environnement Overcooked.
• Intégration du comportement Humain en combinant les approches par modèle ou par les
données.
• Conception d’une méthodologie expérimentale complète pour évaluer les performances des stratégies DRL.
• Recrutement des participants humains pour une campagne expérimentale.
• Analyse et interprétation des données recueillies post expérimentation.
• Initiation à la rédaction d’articles scientifiques.

Notre approche interdisciplinaire entre Robotique, Intelligence Artificielle, et Neuroergonomie vise à explorer les synergies entre ces domaines pour optimiser la collaboration entre humains et agents artificiels. Ce travail a un potentiel d’application dans divers secteurs, incluant l’assistance médicale, l’industrie du futur, le domaine de la construction, l’aéronautique et le spatial. S’il est concluant, le travail mené durant ce stage sera probablement poursuivi dans le cadre d’une thèse de doctorat.

CV et Lettre de Motivation à envoyer à:
christophe.lounis@isae-supaero.fr
caroline.chanel@isae-supaero.fr

Institut Supérieur de l’Aéronautique et de l’Espace (ISAE-SUPAERO) – Département Conception et Conduite des véhicules Aéronautiques et Spatiaux (DCAS)
Equipe « Décision et Commande »