Veille Scientifique étudiante concernant la cognition partagée (SharedCognition) et la polarisation politique
Alimenté par : Claudia Dapino Ponel, Madeline Desmurs
Cette application est une plateforme collaborative de veille scientifique permettant d'importer des publications depuis PubMed, de suivre leur lecture, d'en extraire les éléments méthodologiques clés (protocole, variables, résultats), et de constituer une synthèse structurée pour faciliter la réalisation de revues de littérature.
Dernière synchronisation : 11/06/2026
Front Robot AI . 2022;9 :733954
Partners have to build a shared understanding of their environment in everyday collaborative tasks by aligning their perceptions and establishing a common ground. This is one of the aims of shared perception: revealing characteristics of the individual perception to others with whom we share the same environment. In this regard, social cognitive processes, such as joint attention and perspective-taking, form a shared perception. From a Human-Robot Interaction (HRI) perspective, robots would benefit from the ability to establish shared perception with humans and a common understanding of the environment with their partners. In this work, we wanted to assess whether a robot, considering the differences in perception between itself and its partner, could be more effective in its helping role and to what extent this improves task completion and the interaction experience. For this purpose, we designed a mathematical model for a collaborative shared perception that aims to maximise the collaborators' knowledge of the environment when there are asymmetries in perception. Moreover, we instantiated and tested our model a real HRI scenario. The experiment consisted of a cooperative game in which participants had to build towers of Lego bricks, while the robot took the role of a suggester. In particular, we conducted experiments using two different robot behaviours. In one condition, based on shared perception, the robot gave suggestions by considering the partners' point of view and using its inference about their common ground to select the most informative hint. In the other condition, the robot just indicated the brick that would have yielded a higher score from its individual perspective. The adoption of shared perception in the selection of suggestions led to better performances in all the instances of the game where the visual information was not common to both agents. However, the subjective evaluation of the robot's behaviour did not change between conditions.
Un robot qui prend en compte les asymétries de perception visuelle entre lui et son partenaire humain (en utilisant un modèle de perception partagée) est plus efficace dans son rôle d'assistant.
Cette approche améliore la performance globale à la tâche collaborative ainsi que l'expérience d'interaction par rapport à un robot cherchant uniquement à maximiser le score de son propre point de vue.
22 participants humains initialement recrutés (9 hommes, 13 femmes ; âge moyen de 26,5 ans).
Les données de 2 participants ont été exclues car ils n'avaient pas compris les instructions, laissant un échantillon final de 20 participants pour l'analyse.
Variable Indépendante (VI) : Le comportement du robot selon deux conditions : Perception Partagée (SP — le robot intègre la perspective de l'humain et le terrain commun pour guider) et Non-Perception Partagée (NSP — le robot suggère selon sa seule perspective individuelle de performance).
Variables Dépendantes (VD) : La performance objective au jeu (score de la tour de LEGO, choix des briques lors des conflits de perception, temps de réaction) et l'évaluation subjective de l'interaction (échelles de perception du robot).
Un jeu coopératif en face-à-face où le participant construit une tour de LEGO de maximum 5 briques (avec des contraintes de valeurs décroissantes) et le robot iCub joue le rôle de conseiller.
Des obstacles physiques sur la table cachent délibérément 2 briques au robot et 2 briques à l'humain, créant des asymétries informationnelles et des moments critiques de "conflit".
Chaque participant passe par les deux conditions (SP et NSP) de manière contrôlée.
Mesures comportementales : Enregistrement informatique des briques sélectionnées par le participant, du score final de la tour, et du temps écoulé pour saisir une brique.
Mesures subjectives (Questionnaires) : Questionnaires standardisés soumis avant et après les sessions : Godspeed (perceptions de l'anthropomorphisme, l'intelligence, etc.) , IOS (Inclusion de l'autre dans le soi pour mesurer la proximité ressentie) , et SISRN (besoins robotiques généraux).
Tests t de Student appariés (Paired t-tests) pour vérifier l'absence d'effet lié à l'ordre ou à la configuration initiale des briques sur les scores.
Tests z à deux queues (Two-tailed z-tests) pour comparer les proportions et les pourcentages de choix de briques spécifiques commis par les participants lors des phases de conflit entre les deux conditions (SP vs NSP).
Performance : Dans les situations de conflits perceptifs, le robot utilisant le modèle SP a permis aux humains d'obtenir de bien meilleures performances. Par exemple, lors du conflit principal, plus de 80 % des participants sous la condition SP ont choisi la brique optimale (cachée au robot), contre seulement 40 % sous la condition NSP.
Évaluation subjective : Les scores des questionnaires (Godspeed, IOS) n'ont révélé aucune différence significative : les participants n'ont pas consciemment perçu le robot SP comme étant plus intelligent ou différent du NSP.
Les êtres humains sont tout à fait capables d'exploiter spontanément des mécanismes de perception partagée avec un robot, de la même manière qu'ils le font avec un autre humain.
L'intégration d'un modèle mathématique de perception partagée rend les signaux non verbaux du robot (le regard) beaucoup plus instructifs et efficaces pour résoudre les asymétries de l'environnement.
L'absence de différence dans les questionnaires subjectifs démontre la nature purement implicite et inconsciente de la perception partagée dans la prise de décision humaine.
Simplification de l'environnement : L'interaction était strictement standardisée, au tour par tour, et limitée à une communication exclusivement non verbale (mouvements du regard).
Hypothèse de statisme : Le modèle mathématique suppose que l'environnement et les caractéristiques des objets restent fixes dans le temps.
Omniscience du robot : Le robot connaissait par avance ce que l'humain pouvait voir ou ne pas voir, au lieu de devoir le déduire de manière totalement autonome en temps réel.
Confiance a priori : L'étude présuppose que les participants font naturellement confiance aux suggestions du robot sans moduler leur comportement selon leur propre niveau de scepticisme envers la technologie.