N OS CONTRIBUTIONS AU PROJET REVERIE

de mettre `a jour l’´etat interne de l’agent.

– States : ces composants conservent les informations connues de l’agent et son

´

etat interne.

– Proposers : ces composants proposent des comportements `a partir de l’´etat interne de l’agent.

– Realizers : ces composants r´ealisent les comportements de l’agent, sa voix ainsi que son animation.

Cette architecture reprend les fondamentaux des architectures d’agent propos´ees dans la communaut´e d’agents virtuels [Kopp et al., 2006] et sp´ecialise certains com-posants pertinents pour le projet REVERIE comme la d´etection de mots-cl´es. Notre contribution principale au sein du projet REVERIE a ´et´e de proposer le mod`ele que nous avons d´evelopp´e dans cette th`ese pour r´ealiser la fonction du composant Emotion & Social Behavior Proposer. Nos autres contributions incluent le d´ evelop-pement du composant Keyword Spotting qui reconnait certains mots-cl´es prononc´es par l’utilisateur, l’int´egration d’un outil de synth`ese vocale (OpenMary) et la parti-cipation `a la conception du script de l’agent lui permettant de jouer les sc´enarios de REVERIE, une visite virtuelle du parlement europ´een et une partie du jeu Jacques-a-dit. Dans la section suivante, nous d´etaillons ces contributions.

7.3 N

REVERIE

7.3.1 Modèle de comportement non-verbal pour l’expression d’attitudes sociales et d’émotions

En tant que partenaire du projet REVERIE, notre engagement principal ´etait de fournir un mod`ele capable de produire le comportement non-verbal d’un agent conversationnel dans un groupe, capable d’exprimer diff´erentes attitudes sociales et ´emotions. Le r´esultat est le travail pr´esent´e dans cette th`ese ; la conception du mod`ele ainsi que son ´evaluation sont d´etaill´ees dans les chapitres pr´ec´edents. L’int´ e-gration du mod`ele que nous avons d´evelopp´e au cœur de la plateforme VIB/Greta nous a permis de proposer un mod`ele permettant l’expression d’attitudes sociales et d’´emotions. Notre mod`ele a ´et´e utilis´e pour construire les animations des agents suivant les attitudes que ceux-ci devaient avoir dans les diff´erents sc´enarios de RE-VERIE. Au sein de l’´equipe en charge du d´eveloppement des agents du syst`eme

7

REVERIE, nous avons ´egalement contribu´e `a l’impl´ementation du syst`eme de com-munication entre les composants de l’architecture d’agents. Pour cela, nous avons con¸cu un protocole de communication entre les composants se basant d’abord sur RabbitMQ [Videla and Williams, 2012], un gestionnaire de messages et puis sur le protocole de communication d´evelopp´e au sein du projet REVERIE.

7.3.2 Détection de mots-clés

Notre seconde contribution est un syst`eme de d´etection de mots-cl´es prononc´es par l’utilisateur. Nous avons d’abord d´evelopp´e une solution fonctionnant `a l’aide de Google Speech API, une librairie en ligne de Google permettant la reconnaissance de parole. Cependant, cette solution pr´esentait certaines limitations comme un temps de r´eponse trop lent et une possibilit´e d’indisponibilit´e en cas de coupure d’acc`es au service en ligne. C’est pourquoi nous avons par la suite propos´e une seconde version de ce mod`ele qui s’appuie sur la librairie de reconnaissance de la parole CMU Sphinx [Lamere et al., 2003], une solution utilisable sans connexion Internet que nous avons pu impl´ementer au cœur du syst`eme REVERIE. Nous avons obtenu un bien meilleur temps de r´eponse.

7

7.3.3 Scripts pour les agents

Afin que les agents de REVERIE puissent remplir leur rˆole dans les diff´erents cas d’utilisation du syst`eme, nous et d’autres partenaires du projet (CTVC, Queen Mary College, Centrum Wiskunde Informatica) avons propos´e de faire suivre `a l’agent des sc´enarios pr´ed´efinis. Pour cela, nous avons propos´e une approche qui se base sur le mod`ele de dialogue orient´e tˆache Disco4Game [Rich and Sidner, 2012]. Le mod`ele Disco4Game permet de mod´eliser les buts `a atteindre par un personnage et les diff´erentes actions pour y arriver. Un sc´enario est repr´esent´e par un arbre de s´equences d’actions, chaque action pouvant elle-mˆeme ˆetre divis´ee en s´equences d’actions. Dans notre impl´ementation, les actions pouvaient ˆetre des comportements de l’utilisateur (comme certains mots-cl´es prononc´es ou gestes effectu´es), ainsi que les actes du langages de l’agent repr´esent´es sous la forme d’un fichier FML [Kopp et al., 2006]. Le format FML permet de d´efinir une suite d’intentions communicatives ainsi qu’un texte `a prononcer par un agent. Les ´etiquettes FML sont instanci´ees en signaux multimodaux n´ecessaires `a la r´ealisation des intentions d´efinies dans le fichier ; puis sont traduits en animations. Nous avons donc repr´esent´e les sc´enarios de REVERIE sous la forme de fichiers FML tout en cr´eant la structure des sc´enarios pour Disco4Game. Dans le sc´enario de la visite du parlement europ´een, l’agent devait guider les utilisateurs participant `a la session dans l’h´emicycle. Il se d´epla¸cait dans l’h´emicycle tout en donnant une explication sur le fonctionnement du parlement et de l’union europ´eenne. Dans le sc´enario de la partie de Jacques-a-dit, l’agent joue le rˆole d’instructeur ; il contrˆole le d´eroulement du jeu en expliquant les r`egles et en donnant les instructions aux participants. A la fin de la partie, il d´esigne le vainqueur.

Le guide devait avoir une attitude amicale et l’instructeur devait avoir une attitude dominante.

7.4 C

Notre contribution au projet REVERIE a ´et´e significative. Le travail de cette th`ese est au cœur du d´eveloppement de l’architecture d’agent social du syst`eme REVERIE. Nous avons aussi fourni des composants qui d´epassent le cadre du tra-vail pr´esent´e dans ce rapport. La collaboration avec les autres partenaires nous a permis d’enrichir notre architecture d’agent social et de proposer des r´eflexions sur

7

l’int´egration de la dimension sociale dans un agent [Ravenet et al., 2014]. Ce tra-vail a d’ailleurs servi de mod`ele pour l’architecture d’un agent membre d’un groupe propos´ee dans le chapitre 5.

Dans le chapitre suivant, nous concluons, discutons des r´esultats et pr´esentons les perspectives pour ce travail.

8 _Conclusion

Au cours de cette th`ese, nous avons propos´e un mod`ele de simulation de groupes conversationnels au sein desquels leurs membres peuvent exprimer diff´erentes atti-tudes sociales envers les uns et les autres et ce `a travers leur comportement non-verbal. En se basant sur les travaux en sciences humaines et sociales dans le do-maine de l’expression d’attitudes et des groupes conversationnels, nous avons pro-pos´e une nouvelle approche permettant de construire un mod`ele computationnel pour l’expression d’attitudes sociales d’agents conversationnels. Dans ce chapitre, nous concluons en rappelant les diff´erentes contributions de notre travail dans une premi`ere section ; puis nous discutons des limites et des perspectives de nos travaux dans une deuxi`eme section.