Halim Djerroud

Une posture de recherche assumée

Mon travail de recherche s'inscrit dans une approche de la robotique incarnée, cognitive et frugale, centrée sur la décision comme problème scientifique fondamental.

Je considère que l'autonomie robotique ne peut être réduite ni à une optimisation algorithmique locale, ni à une accumulation de capacités perceptives ou motrices. Elle repose avant tout sur la capacité d'un système à produire l'information nécessaire à décider, à anticiper les conséquences de ses actions, et à s'auto-réguler dans le temps sous contraintes physiques, computationnelles et sociales.

Cette posture conduit à considérer le robot non comme un simple exécutant de comportements, mais comme un agent incarné, engagé dans une interaction continue avec un environnement réel, dynamique et souvent partagé avec des humains. Dans ce cadre, la décision n'est jamais abstraite : elle est toujours située, contrainte par le corps du robot, ses capteurs, ses capacités d'action et le contexte dans lequel elle s'inscrit.

Une question fondatrice

L'ensemble de mes travaux s'articule autour d'une interrogation centrale :

Comment concevoir des systèmes robotiques capables de prendre des décisions pertinentes, adaptatives et explicables dans des environnements réels, dynamiques et intrinsèquement partagés avec des humains ?

Cette question dépasse volontairement les problématiques classiques de performance ou d'optimisation. Elle engage une réflexion plus profonde sur la nature de l'intelligence artificielle incarnée : agir de manière autonome dans le monde physique ne consiste pas uniquement à réagir à des stimuli ou à maximiser une fonction de récompense abstraite, mais suppose une compréhension structurée de l'environnement, la capacité d'anticiper ses évolutions possibles, et l'aptitude à inscrire l'action du robot dans un cadre compréhensible, prévisible et acceptable pour l'humain.

Ce que je fais différemment : au-delà des paradigmes dominants

Cette perspective m'a progressivement conduit à m'éloigner de deux paradigmes dominants de la robotique contemporaine, dont les limites apparaissent clairement dès lors que l'on cherche à dépasser des scénarios contrôlés ou artificiellement simplifiés.

D'une part, les architectures purement réactives, issues de la behavior-based robotics et des architectures de subsomption, offrent une robustesse et une rapidité d'exécution indéniables. Toutefois, cette efficacité repose sur l'absence quasi totale de capacité prospective. Un robot réactif peut éviter un obstacle immédiat, mais il est fondamentalement incapable de raisonner sur les conséquences différées de ses actions, par exemple lorsqu'un obstacle est mobile, manipulable ou socialement médié par un humain.

D'autre part, les approches d'apprentissage profond end-to-end ont démontré des performances spectaculaires sur des tâches de perception ou de navigation. Néanmoins, elles reposent sur des représentations distribuées et opaques, rendant les décisions produites difficiles, voire impossibles, à expliquer, justifier ou auditer. Dans des contextes tels que la robotique d'assistance, la collaboration homme–robot ou les environnements partagés, cette opacité décisionnelle constitue un obstacle majeur à l'acceptabilité, à la confiance et à la sécurité.

Face à ces limites, je défends une troisième voie, que je qualifie de robotique cognitive frugale et explicable.

Premier pilier : Représentations multi-niveaux pour l'action

Un premier pilier fondamental de cette vision réside dans l'usage de représentations multi-niveaux, allant de la géométrie brute à la sémantique et à l'action située. Un robot ne peut se contenter d'une perception du monde réduite à des pixels ou à des nuages de points non structurés.

Je distingue notamment plusieurs niveaux complémentaires :

• Niveau géométrique : description explicite du monde en termes de surfaces, volumes, obstacles et zones navigables, ancrée dans des métriques physiques.
• Niveau topologique : organisation de ces primitives en structures capturant la connectivité de l'espace, indépendamment des distances exactes.
• Niveau sémantique : catégorisation des entités et modélisation de leurs relations fonctionnelles et sociales.
• Niveau comportemental : encodage des affordances et des contraintes d'interaction, c'est-à-dire des possibilités d'action offertes par l'environnement selon le contexte.

Cette stratification n'est pas un simple empilement de couches indépendantes, mais l'expression d'une hypothèse cognitive centrale : l'abstraction est une condition de la généralisation. Un robot capable de raisonner sur la notion abstraite de passage contrôlé peut transférer ses compétences entre différents types de portes sans réapprentissage exhaustif.

Deuxième pilier : La simulation comme mécanisme cognitif de décision

Le second pilier de ma démarche concerne le rôle central de la simulation dans le processus décisionnel. Dans mon approche, la simulation n'est pas un outil de validation a posteriori, mais un mécanisme cognitif a priori, directement impliqué dans la prise de décision.

Inspirée des travaux sur la simulation mentale et les modèles internes, cette approche repose sur l'idée que l'agent explore plusieurs futurs plausibles avant d'agir. Concrètement, cela se traduit par l'utilisation de systèmes multi-agents comme support de simulation interne : les entités perçues dans l'environnement réel sont modélisées comme des agents dotés de propriétés physiques, de capacités d'action et de contraintes spécifiques, tandis que le robot lui-même est intégré au monde simulé en tant qu'agent cognitif.

Avant toute action engageante, plusieurs scénarios sont simulés, évalués et comparés selon des critères explicitement modélisés (coût énergétique, risque, durée, acceptabilité sociale). L'exécution réelle est ensuite supervisée par une comparaison continue entre les prédictions issues de la simulation et les observations effectives.

Troisième pilier : Frugalité cognitive et méta-décision

Le troisième pilier, aujourd'hui le plus structurant de mes recherches, concerne la frugalité cognitive et la méta-décision. Un système intelligent ne se contente pas de décider quoi faire ; il doit également décider comment décider.

Face à une situation donnée, plusieurs stratégies décisionnelles sont possibles : planification complète, réutilisation d'expériences passées, comportements réactifs simples, ou délégation explicite de la décision à un humain. Le choix entre ces stratégies doit être guidé par une évaluation rationnelle de critères tels que l'urgence, la criticité, les ressources computationnelles disponibles ou le contexte humain.

Cette approche s'inscrit dans la tradition de la rationalité limitée, tout en s'en distinguant par un ancrage concret dans la robotique embarquée. Elle porte également une dimension éthique et écologique : intégrer la parcimonie computationnelle comme principe de conception contribue à une robotique plus soutenable et socialement responsable.

Choix méthodologiques

Mes choix méthodologiques découlent directement de cette vision :

• Formalismes symboliques : pour des décisions explicables et auditées,
• Systèmes multi-agents : pour la simulation interne,
• Perception RGB-D : comme compromis entre richesse informationnelle et frugalité,
• Apprentissages transférables : adaptés aux contraintes réalistes des environnements réels.