Des robots pour aider à l'évacuation pendant les urgences

La recherche a exploré comment les Robots peuvent aider les gens à trouver leur chemin vers la sécurité en cas d'urgence. Quand il y a un incendie ou une autre situation dangereuse, les gens ont souvent besoin d'aide pour sortir. Un des défis est de comprendre comment les gens décident de suivre un robot dans ces moments-là. En étudiant le Comportement des évacués, on peut améliorer le design des robots pour qu'ils puissent aider à échapper plus efficacement. Cet article discute d'une méthode pour apprendre comment les gens se comportent en cas d'urgence avec l'aide des robots, en utilisant des données d'expériences.

#Robots en cas d'urgence

Quand une alarme se déclenche dans un bâtiment, les robots peuvent réagir en cherchant les évacués et en leur montrant où aller. Des études ont montré que les gens sont susceptibles de suivre un robot pendant une urgence. Cependant, pour guider efficacement les évacués, les robots doivent comprendre comment les gens agissent. Créer un modèle du comportement des évacués est crucial pour que les robots sachent si quelqu'un les suit et comment communiquer avec eux. Malheureusement, il nous manque actuellement des Modèles qui montrent le comportement des évacués quand un robot est là. Cet article vise à combler cette lacune en développant un modèle sur la façon dont les évacués suivent les instructions d'un robot en cas d'urgence.

#Comportement humain pendant les urgences

Les recherches montrent que la plupart des gens se déplacent calmement vers les sorties en cas d'urgence, plutôt que de paniquer. Des études ont montré que les gens suivent généralement les directions données dans ces situations. Sur cette base, on pense qu'il est possible de créer un modèle précis du comportement des évacués lorsqu'ils sont guidés par un robot. Ce modèle devrait pouvoir fonctionner avec un petit nombre de participants tout en prédisant comment les autres vont évacuer. On cherche à construire un modèle qui puisse être appliqué à diverses situations d'interaction humain-robot au-delà des Évacuations d'urgence.

#Recherches précédentes

Beaucoup de travail a été fait sur la façon dont de grands groupes de personnes évacuent, mais il est plus difficile de créer des modèles pour le comportement individuel. Les modèles existants font souvent des suppositions simplistes, comme tout le monde suivant un plan prédéterminé ou se déplaçant en ligne droite à vitesse constante. D'un autre côté, les modèles psychologiques peuvent être trop vagues pour une utilisation pratique. Les modèles de force sociale, qui décrivent comment les gens se déplacent vers un objectif en évitant les autres et les obstacles, laissent de côté les facteurs psychologiques qui influencent le comportement en situation de crise. Actuellement, il n'existe pas de modèle qui prenne en compte le comportement des gens lorsqu'un robot les guide vers la sécurité. Développer un tel modèle pourrait améliorer les simulations d'évacuation guidées par des robots et aider à concevoir de meilleurs robots d'évacuation.

#Collecte de données pour les évacuations

Pour rassembler des données pour notre étude, on a recruté des participants par différents canaux, en s'assurant qu'ils remplissaient des conditions spécifiques, comme avoir au moins 18 ans et être capables de monter les escaliers. On a exclu les personnes qui avaient participé à des études précédentes ou qui étaient proches des expérimentateurs. Un total de 14 sujets (hommes, femmes et non binaires) a participé à notre expérience de guidage. Les participants ont reçu une compensation pour leur temps mais n'ont pas été informés qu'une simulation d'urgence aurait lieu pendant l'étude.

L'expérience a été réalisée dans un bureau/labo contrôlé, où des caméras étaient installées pour enregistrer les mouvements des participants. Les alarmes de fumée ont été déclenchées manuellement par les expérimentateurs pour simuler une urgence. L'environnement était équipé de panneaux de sortie clairs, et les participants ont été dirigés vers une salle de tâche avant que l'urgence simulée ne soit lancée. Pendant tout ce processus, le robot a guidé les participants, et on a documenté ses interactions avec eux.

#Paramètres expérimentaux

Pendant l'expérience, les sujets ont été présentés au robot et on leur a dit que celui-ci allait les guider. Après une courte tâche, les alarmes de fumée se sont déclenchées, et le robot a commencé à diriger les participants vers la sortie en utilisant des gestes de la main. L'expérience s'est terminée une fois que les participants ont atteint la sortie, après quoi ils ont rempli un questionnaire sur leur expérience.

On s'est concentré sur la façon dont le robot a guidé chaque sujet vers la sortie. Des recherches antérieures ont montré qu'utiliser un robot pour guider les gens améliore la conformité, mais des défis techniques sont apparus en raison de la nécessité pour le robot de naviguer jusqu'à la sortie. Pour y remédier, un robot téléopéré a été utilisé, contrôlé à distance.

#Création de modèles d'évacuation

Pour créer un modèle du comportement des évacués, on a d'abord rassemblé des vidéos des participants se déplaçant dans l'environnement. On a utilisé des techniques de vision par ordinateur pour estimer les positions des sujets Humains et du robot. Pour les poses humaines, on a employé un modèle de deep learning qui détecte les points clés sur le corps d'une personne, ce qui nous permet de suivre leurs mouvements avec précision.

Après avoir suivi les positions, il a fallu convertir ces emplacements en pixels en coordonnées réelles pour que les mouvements du robot et des participants puissent être comparés. Des étapes de calibration ont été effectuées pour garantir des mesures précises, et les données ont été filtrées pour enlever le bruit et les erreurs de suivi.

#Modélisation prédictive

Les données de mouvement, une fois nettoyées et préparées, ont fourni une base pour prédire les futurs mouvements des évacués. On a traité cette tâche comme un problème de séries temporelles, où les informations passées sur les positions du robot et des sujets aideraient à prévoir la prochaine position du sujet. On a utilisé une méthode d'apprentissage supervisé avec divers algorithmes de régression, spécifiquement l'algorithme XGBoost, pour entraîner notre modèle sur les données collectées.

#Évaluation du modèle

On a réalisé des tests en utilisant les données des 14 sujets. Parmi eux, on a dû exclure les données de deux sujets qui n'ont pas suivi correctement le robot. On a évalué la précision de notre modèle grâce à une technique appelée validation croisée k-fold, où on a divisé les données en ensembles d'entraînement et de validation. Le modèle a bien performé pour prédire les positions des sujets, avec une erreur moyenne d'environ 9,9 centimètres.

En plus, pour comprendre si notre modèle fonctionnait en dehors des conditions expérimentales initiales, on l'a testé sur des données collectées d'une simulation d'un scénario d'urgence dans un environnement différent. Bien que la précision des prédictions ait légèrement diminué, les résultats étaient quand même convaincants, indiquant que les modèles pouvaient faire des prédictions utiles même dans des circonstances variées.

#Résultats des données de simulation

Dans les simulations, on a déterminé la précision de nos modèles sous différentes conditions, comme différentes unités de mesure et vitesses de robot. Bien qu'il y ait eu quelques écarts dans les données, nos modèles ont quand même généré des prédictions raisonnables, prouvant leur polyvalence dans différents contextes.

#Conclusion

Cette recherche met en avant une méthode prometteuse pour capturer et analyser le comportement humain lors d'urgences guidées par des robots. En utilisant des données vidéo et des techniques de modélisation avancées, on a pu créer des modèles efficaces du comportement des évacués, qui ont montré une erreur de position moyenne de moins de 10 centimètres dans les prédictions. Les méthodes et résultats de cette recherche peuvent aussi être appliqués à d'autres scénarios d'interaction humain-robot, ouvrant la voie à de futurs progrès dans la façon dont les robots aident les gens dans les situations d'urgence.

Bien que des limites existent, comme la variabilité dans différents environnements, le travail réalisé ici est significatif. En développant des modèles précis du comportement des évacués, on se rapproche de notre objectif de créer des robots capables de mener efficacement les personnes vers la sécurité en cas d'urgence.