|
|
|
|
On appelle Interface Cerveau-Machine (ICM) l'ensemble des systèmes visant à établir un moyen de communication direct, i.e. sans aucune utilisation des voies motrices périphériques (muscles), entre le cerveau humain et un système électronique quelconque (ordinateur, prothèse). Les applications des ICMs vont du domaine médical (pour les patients atteints de graves handicaps moteurs) aux loisirs (jeux vidéos). Le système actuellement le plus utilisé (non invasif) pour mesurer l'activité cérébrale est l'électroencéphalographie (EEG). Les expériences consistent à demander au sujet utilisateur de se concentrer sur une tâche A ou B (par exemple, penser à sa main droite, ou à sa langue) et le signal émis est traité par méthode d'apprentissage supervisé.
Les principales difficultés rencontrées en ICM sont les suivantes. Premièrement, on n'a pas de “vérité” absolue : on demande à l'utilisateur de penser à une tâche donnée, mais sa pensée peut vagabonder. En second lieu on a peu de données (peu d'utilisateurs et peu d'essais) et chaque essai est décrit par 25 signaux (les capteurs EEG) × 1,000 pas de temps. Enfin les données varient en fonction de l'utilisateur mais aussi de sa fatigue et de son humeur : il faut donc définir un dialogue entre utilisateur et algorithme qui permettent aux deux de converger vers une interaction efficace.
Le stage a pour but d'avancer vers la mise au point d'un dialogue réel entre utilisateur et machine. Un premier point est de définir une expérience dans laquelle on disposera d'une vérité absolue (tâche de relaxation et rythme alpha du signal cérébral), pour calibrer l'apprentissage. La seconde étape doit permettre à l'utilisateur d'identifier deux tâches A et B i/ sur lesquelles il/elle sait concentrer sa pensée; ii/ entre lesquelles l'algorithme est capable de discriminer. Enfin, il faut définir une interaction de contrôle, permettant à l'algorithme d'émettre “je pense que tu penses à A” et à l'utilisateur de confirmer ou d'infirmer.
L'approche proposée appartient à l'apprentissage supervisé ; les algorithmes de pré-traitement du signal sont disponibles (C++, Matlab,..). La première tâche consiste à proposer un espace de représentation qui soit suffisamment puissant d'une part, et qui rende l'apprentissage traitable d'autre part. On pourra considérer les réseaux auto-associateurs ou les Echo State Networks. Cet espace de représentation sera évalué sur la tâche “avec vérité terrain”.
Dans un second temps, les résultats obtenus lors du pré-traitement seront utilisés pour définir une similarité entre utilisateurs, et contourner la variabilité des données.
Si le temps le permet, la similarité entre utilisateurs sera exploitée pour valider l'identification personnalisée des tâches A et B sur lesquelles fonder le dialogue utilisateur/algorithme.
Le stage aura lieu au LRI sur le campus d'Orsay (Université Paris Sud),
Bâtiment 490, 91405
Orsay
Cedex France. Ce stage nécessite un goût certain pour la
modélisation et la programmation.
Possibilité d'indemnité de stage.
This document was translated from LATEX by HEVEA.
