Directory Intranet
Chargement
  

CA-ICO - Co-Apprentissage dans les Interfaces Cerveau-Ordinateur

Project Coordinator : LIG
Project Manager at GIPSA-lab : Bertrand RIVET

Project realized thanks to the support of : Grenoble INP-Projets innovants

Start date : 2012/02/10

Duration : 36 mounths


Les interfaces cérébrales sont rapidement devenues un objet de recherche très attractif dans le monde et en France que se soit pour la suppléance du handicap ou pour les jeux vidéos. Cependant, les recherches se sont principalement attachées à améliorer les outils de traitement du signal ou de classification des évènements (Desney, 2010). Si incontestablement des progrès significatifs ont été réalisés grâce à ces études, les interfaces cerveau-machine resteront un objet d’attraction pour les seuls chercheurs si celles-ci ne sont pas étudiées en s’intéressant plus particulièrement aux aspects d’interaction entre l’utilisateur et la machine.
Lorsque les capteurs sont de qualité modeste (par exemple avec les casques grands publics), l’interaction homme-machine suppose une lourde phase d’apprentissage avec des taux d’erreurs encore trop importants. A ceci vient s’ajouter le phénomène dit de « BCI illiteracy » (Kübler & Müller, 2007) qui montre que près de 20% des sujets présentent à ce jour des signaux apparemment inexploitables.
Or, comme cela fut le cas aux premières heures de la reconnaissance de la parole, les phases d’apprentissage par la machine à la reconnaissance des signaux induit une boucle d’apprentissage : l’utilisateur s’adapte à la machine en modifiant ses signaux d’entrées pour maximiser les taux de reconnaissance.
Dans le contexte des ICO, ce phénomène est complexe et peu étudié (Nijholt , 2009). Ainsi, aujourd’hui, on distingue deux approches pour entraîner les sujets à contrôler les signaux cérébraux (Curran et Stokes, 2003). Dans la première, les utilisateurs doivent reproduire des tâches mentales spécifiques (par exemple d’imagerie motrice : « je pousse un objet ») répétées pour l’apprentissage de la machine. Simple d’apparence, cette technique a pour inconvénient de ne donner aucune clé à l’utilisateur sur la forme exacte de la pensée pour que la reconnaissance soit maximale. La deuxième approche, appelée « operant conditionning » consiste à fournir un feedback continu des interactions reconnues par la machine de sorte que les sujets apprennent à contrôler l’interface sans avoir vraiment conscience de comment ils la contrôlent. Cette technique est réputée pour être très difficile à maîtriser.
Partant de ces différents constats, nos objectifs scientifiques sont :
- mieux comprendre les différences inter-individu face aux ICO pour comprendre le phénomène de «BCI illiteracy» et le réduire,
- déterminer une typologie des pensées susceptibles d’être bien reconnues par les ICO,
- élaborer des protocoles et guides d’utilisation assurant un apprentissage optimal des ICO afin d’obtenir des taux de reconnaissance acceptables pour des interactions non binaires


GIPSA-lab, 11 rue des Mathématiques, Grenoble Campus BP46, F-38402 SAINT MARTIN D'HERES CEDEX - 33 (0)4 76 82 71 31