Academic literature on the topic 'Capacités robotiques'

La dissémination rapide de la robotique à faible coût est désormais une réalité opérationnelle. Il est aisé de se procurer des engins suffisamment performants et de les employer à des fins terroristes ou criminelles. Dès lors, il est urgent de déployer des capacités de lutte anti-drones avec des solutions innovantes et développées sans délais rédhibitoires.

Le relevé aérien constitue, dans le domaine de l'archéologie et de l'architecture, un vaste champ d'applications et d'intérêt. Au-delà des capacités croissantes des drones existants, le potentiel opérationnel de tels outils dépasse aujourd'hui l'imagination de leur propres créateurs : initialement conçus dans le secteur de la robotique civile et militaire, de récentes expérimentations ont pu tester le vol autonome, la prise de décision automatique, ainsi que l'intelligence distribuée.Avec près de dix ans d'expérience dans le domaine du relevé aérien, le laboratoire MAP a expérimenté un large panel de vecteurs aériens, pilotés ou semi-autonomes, équipés de capteurs de différentes natures, à des fns de télédétection et d'acquisition de données spatiales, ce travail étant principalement dévolu à la modélisation et à la simulation d'environnements 3D à haute valeur patrimoniale. Les compétences du MAP concernent donc la mobilisation de vecteurs aériens sans équipage, mais aussi le développement d'outils experts pour la modélisation et représentation 3D ou encore les protocoles d'analyse d'image dans le domaine de l'architecture, de l'urbanisme et du paysage.

La robotique et la réalité augmentée transforment rapidement un large éventail de services et de politiques répondant aux besoins des personnes dans le monde entier. Dans l’ensemble, l’intelligence humaine et artificielle a modifié les organisations complexes et créé de nouvelles fenêtres pour un nouveau professionnalisme et de nouvelles méthodes pour faire les choses et résoudre des problèmes complexes. Il est communément admis que l’Union européenne accorde la priorité à la fiabilité de l’interaction entre l’humain et l’artificiel au sein de la société numérique et de la gouvernance augmentée. Cette exigence est mise en pratique dans la frontière actuelle où les acteurs privés, les parties prenantes et les dirigeants sont appelés à une action collaborative, multilatérale et à long terme. Les conséquences de cette transformation dans les formes de l’action sociale, organisationnelle et institutionnelle et les conditions de rationalité appliquées aux décisions des experts et des citoyens ouvrent une brèche qu’il convient d’explorer de manière interdisciplinaire. Dans cet espace, que nous appelons l’acte d’intelligence sociale. L’intelligence sociale est formée par ce qui émerge au niveau méso-interactionnel, qui caractérise les secteurs et les sous-systèmes des politiques publiques. Elle combine des formes de valeurs et d’orientation éthique avec des compétences et des aptitudes méthodologiques sur le savoir-faire et avec des états de conscience, c’est-à-dire la capacité de créer une action significative non seulement pour soi-même mais aussi pour les autres et ceux qui ne se trouvent pas dans la même unité spatio-temporelle que celle où l’action est réalisée.

Les contributions rassemblées ici visent à faire le point sur les moyens dont on dispose aujourd’hui pour appréhender l’origine et l’évolution de la cognition humaine. Mieux saisir les fondements de ce qui fait notre dispositif cognitif passe par la compréhension de la manière dont il s’est mis en place. Plusieurs voies sont possibles pour aborder la question des aptitudes cognitives des premiers homininés et des anciens Homo sapiens. La première est d’interroger les vestiges archéologiques pour tenter de reconstituer les opérations techniques dont ils sont le produit et l’usage auquel ils étaient destinés. On peut ainsi faire des hypothèses sur les aptitudes de ceux qui les ont fabriqués et utilisés : leur capacité à planifier, à faire preuve de flexibilité dans la résolution des problèmes, à développer une pensée abstraite, etc. Les fossiles eux-mêmes et en particulier les calottes crâniennes peuvent par ailleurs apporter d’utiles informations sur la forme, le volume et la surface du cerveau grâce à des techniques de numérisation et de reconstitution en 3D de l’endocrâne. Une deuxième étape possible consiste à identifier expérimentalement les aires cérébrales sollicitées pendant une activité donnée puis à tenter de repérer des aires homologues sur l’endocrâne de fossiles d’homininés. À la faveur de la présentation de toutes ces approches, différentes questions sont abordées dans ce volume, telles que l’apparition du langage articulé et celle de la fabrication d’outils. Les recherches concernant l’évolution ontogénétique (c’est-à-dire de la naissance à l’âge adulte) de la cognition sont aussi évoquées dans ce volume, tant chez les Homo sapiens actuels que chez les anciens homininés. Pour les premiers, on s’appuie sur les approches expérimentales, aujourd’hui complétées par des techniques d’imagerie cérébrale et l’électroencéphalographie, voire par la robotique développementale. Pour les seconds, les techniques de numérisation et de reconstitution en 3D de l’endocrâne sont susceptibles, à partir de l’examen de spécimens immatures, d’apporter des informations sur leur croissance et l’évolution de leurs aptitudes cognitives au cours de leur développement. Les données fournies par la cognition animale peuvent également être d’un grand secours tant pour l’étude du développement ontogénétique de l’homme que celle de son évolution phylogénétique. Ces recherches invitent à chercher les continuités et les ruptures entre l’animal et l’homme tant au niveau de leurs comportements et de leurs aptitudes manuelles que de leurs facultés mentales.

« Apparemment, nous sommes privés d’un talent spécifiquement humain – on appelle ça l’empathie, si je ne m’abuse. » (L’androïde Garland à Rick Deckard) Philip K. Dick, Les androïdes rêvent-ils de moutons électriques ? Blade Runner Un jour avec un patient en fin de vie à domicile, nous nous sommes mis à parler de Blade Runner, le livre de Philipp K. Dick était sur sa table de nuit en édition originale… Au coeur du livre et du film culte est un questionnement sur l’humanité. Dans ce monde postapocalyptique (1992 dans le livre, 2019 dans le film), Deckard pourchasse des androïdes censés être dépourvus d’empathie afin de les éliminer. Les Nexus 6 se sont échappés de Mars, fuyant leur condition robotique en tuant leurs maîtres humains. Seuls un test (Voigt-Kampff) et les astuces d’un blade runner expérimenté permettent de les distinguer… D’après Bill Gates, ChatGPT (Generative Pre-trained Transformer) est une révolution comparable à internet. Cet agent conversationnel utilisant l’intelligence artificielle, développé par OpenAI et spécialisé dans le dialogue, questionne des mondes aussi différents que l’éducation, le droit et la médecine. Pour d’autres, ChatGPT devrait être interdit, car il est source d’erreurs, de tricherie aux examens, etc. Si vous ne le connaissez pas, faites un test, vous verrez, il est étonnant. Il arrive à obtenir la moyenne (ou presque) aux trois examens pour obtenir la licence de docteur étatsunienne sans entraînenement1. J’entends déjà les plus sceptiques : « un test de connaissances… » Oui, mais il a aussi presque validé l’examen final d’une école de médecine portant sur le raisonnement clinique2. J’entends encore les plus réfractaires : « OK, OK, il sait des choses et parfois il raisonne, mais de là à être empathique… ». Dans ce numéro de rentrée, Pavageau et al. nous exposent une analyse compréhensive de l’incertitude médicale dans la prise de décision en soins premiers à partir d’une métasynthèse qualitative3. Leur méthode robuste leur permet de nous expliquer que nos décisions reposent sur l’approche centrée sur le patient, sur le « gut feeling » avec la sécurisation du patient, et sur le partage de l’incertitude avec une équipe. Ils séparent le sentiment d’incertitude du sentiment d’incompétence. ChatGPT est-il capable de raisonner et surtout de prendre une décision dans l’incertitude ? Toujours dans ce numéro, nos spécialistes de la communication Givron, Richard et Lussier ont testé le ChatBot. Ils lui ont demandé non seulement comment un médecin annonce une mauvaise nouvelle, mais aussi d’écrire un dialogue patient-médecin avec un patient « difficile »4. Je vous laisse juger de l’empathie du ChatBot, mais il faut bien lui reconnaître un certain degré de compétences. Alors ChatGPT est-il empathique, autrement dit, peut-il bientôt nous remplacer ? Je vous propose de lui faire passer une partie du test de Voigt-Kampff pendant lequel Léon, réplicant androïde, finit par tuer le testeur. « Vous êtes dans le désert. Vous voyez un chélonien (tortue) couché sur son dos sous un soleil brûlant. Il essaie de se retourner, mais n’y parvient pas. Vous savez qu’il n’y arrivera pas seul, mais vous ne faites rien. Pourquoi ? ». Voilà la réponse de ChatGPT : « En tant qu’intelligence artificielle, je n’ai pas de conscience, d’émotions ou de capacité à prendre des décisions autonomes ». Je vous entends déjà passionnés et sceptiques : ce test provient d’une fiction… D’accord, mais il est directement inspiré du test d’Alan Turing, mathématicien et cryptologue britannique visionnaire, souvent considéré comme fondateur de l’informatique. Ce test, décrit en 1950, consistait à mettre un humain en confrontation verbale à l’aveugle avec un ordinateur et un autre humain. Si l’humain ne différenciait pas les conversations humaines de celles de l’ordinateur, le test était réussi… Mais au fait, qui a écrit cet éditorial ?

RésuméLes progrès rapides de la robotique pourraient avoir des conséquences majeures sur l’économie mondiale et les sciences économiques. L'auteur passe en revue la littérature récente consacrée à ce sujet en se plaçant de deux points de vue. Premièrement, il analyse les travaux théoriques concernant les effets de la robotisation sur l'emploi et la capacité de différentes théories à décrire ces effets. Deuxièmement, il évalue les études empiriques relatives à l'impact de la robotisation sur l’économie, plus précisément sur l'emploi et la relocalisation de la production. Il met en lumière les limites de la littérature et des pistes pour de futurs travaux.

L'existence humaine est pleinement enchâssée dans l'environnement naturel ; les êtres humains ont une relation innée avec les êtres vivants et les éléments de la nature. Dans les domaines de l'art, du design et de l'architecture, cette relation est exprimée par le concept transhistorique de biomorphisme, par référence à une préférence ou un intérêt pour des formes organiques, inspirées du vivant, qui évoquent la nature ou des organismes naturels. Cette zoom.able présente des recherches qui appréhendent le biomorphisme souple, dans le domaine du design, comme une alternative au paradigme de la robotique souple (c'est-à-dire des robots fabriqués à partir de matériaux pliables et élastiques). Les travaux ayant porté jusqu'ici sur la robotique souple ont pour la plupart été menés dans le cadre des sciences techniques, et se sont surtout intéressés à l'amélioration des capacités des robots en imitant la physiologie et les opératiques mécaniques des organismes naturels souples. Le biomorphisme souple cherche à établir une perspective différente, contribuant à redéfinir les champs d'intérêt de ce domaine d'étude. La notion de biomorphisme souple est basée sur un principe simple : interroger ce qui se passe lorsque l'esthétique intrinsèquement organique des robots souples est soulignée et amplifiée par l'incorporation de formes, couleurs, textures et structures qui trouvent leur inspiration dans le monde biologique. Le biomorphisme souple se distingue d'autres approches de design bio-inspiré utilisées en robotique, car il s'écarte de la reproduction exacte des caractéristiques morphologiques d'un organisme donné pour favoriser les similarités avec des organismes naturels, qu'elles soient d'ordre strictement idiosyncratique ou plus généralement visuel et haptique. Au lieu de chercher à duper la confiance des utilisateur.ices en faisant passer un robot pour vrai, les éléments biomorphiques sont pensés de sorte à être incorporés pour cultiver la relation et l'empathie entre êtres humains et machines. En prenant l'apparence de la vie même sans pour autant paraître familiers, les robots conçus selon les principes du biomorphisme souple peuvent contribuer à rendre la relation humain-robot davantage plurielle et négociable, sans pour autant la modeler sur les interactions d'humain à humain ou avec certains animaux, y compris de compagnie. Les motivations artistiques qui sous-tendent le biomorphisme souple sont également marquées par une réflexion critique sur les frontières entre la nature, la technologie, leurs usages et leurs portées culturelles. Fondés sur la pratique, ces travaux réunissent des approches issues de nos ancrages disciplinaires respectifs dans les domaines de la robotique souple, du génie mécanique, de l'interaction humain-robot, de la pratique artistique et de la recherche en design. Nous avons d'abord cherché à appréhender et appliquer le biomorphisme souple à travers l'élaboration d'une série de prototypes matériels et d'objets comportementaux mis en action. Les potentialités d'interaction de ces prototypes biomorphiques souples ont été ensuite interrogées dans le cadre d'une étude physique des interactions humain-robot (Christiansen et al., 2024). Cette zoom.able s'intéresse en particulier à la manière dont la matérialité souple et le caractère biomorphologique des prototypes peuvent s'affirmer comme un terrain propice à la perception sensorielle, à d'éventuelles sensations corporelles et à différents types de savoir incarné. Si le mouvement, la sensation et la cognition artificielle font partie intégrante de la robotique et, plus largement, de son esthétique, nos travaux cherchent cependant à saisir dans quelle mesure les matériaux souples sont capables de générer leurs propres formes et relations lorsqu'ils sont intégrés à cette technologie. Enfin, nous analysons l'esthétique des robots issus du biomorphisme souple en alimentant un logiciel de génération d'image par IA avec les photographies de nos prototypes matériels et les descriptions textuelles des sources qui les ont inspirés du point de vue biomorphique. Les sorties machine qui en résultent, présentées sur la dernière couche de la zoom.able, évoquent des relations prises dans l'écheveau du vivant et mettent en question, dans une démarche autoréflexive, la réification et la remédiation des qualités biomorphiques au sein de l'espace virtuel latent de la culture visuelle globale.

Le Contrôle Non-Destructif (CND) en vue de l’inspection de composants composites est un élément critique dans la chaine de valeur en aérospatial. Les méthodes se basant sur une inspection par ultrason (UT) sont, depuis des décennies, les méthodes les plus couramment déployées dans l’industrie aéronautique. Elles ont, chez la plupart des constructeurs, longtemps été perçues comme étant presque les seules capables de détecter des défauts de 6mm avec la probabilité de détection (PoD) requise. A côté de ses capacités de détection, la méthode UT possède quelques inconvénients tels que le besoin d’un contact entre la sonde et la surface de la pièce ou encore le besoin d’un fluide couplant qui rend l’inspection plus ardue (le faisceau doit rentrer perpendiculairement avec un angle précis) et plus couteuse, économiquement et environnementalement. Il existe cependant d’autres méthodes bien connues au sein de la communauté du CND offrant d’autres perspectives : soit avec des capacités de détection similaires aux UT, voire meilleures pour des applications ciblées, soit avec une réduction des coûts d’inspection (plus rapide, pas de besoin de couplant) et plus adaptées aux géométries complexes des pièces aéronautiques comme les doubles courbures. Parmi ces méthodes, peuvent être citées les méthodes digitales que sont la thermographie (IRT), la shearographie (ST), les rayons X (RX) ainsi que les ultrasons laser (LUT). En dépit des excellentes avancées technologiques récentes dans ces domaines, ces méthodes restent encore sous-estimées et souvent non considérées comme candidats pour accélérer considérablement, compléter ou précéder une inspection par ultrason. Cet article présente l’application de concert de deux de ces méthodes intégrées à un démonstrateur robotique visant à l’automatisation de l’inspection de pièces de grandes tailles. La réalisation du démonstrateur est le délivrable du projet de R&D LDCOMP groupant 9 organismes et sociétés wallonnes et québécoise visant à développer les méthodes digitales de CND et accroitre le niveau de maturité vers des solutions efficaces, robustes, rapides et offrant un niveau de détection élevé. La démonstration de la faisabilité d’inspection d’un panneau composite de grande taille (~2m) ainsi qu’une structure à géométrie cylindrique et double courbure sera décrite à l’aide d’une solution robotisée comprenant de la thermographie (IRT) et de la shearographie (ST).

General information and background on AI 1.1 The three battlefield revolutions The digitisation of the battlefield is a major revolution in combat, which needs to be assessed on a long-term scale as it will profoundly change military operating methods. First of all, it will mean that all the equipment deployed in the field will be interconnected with a tactical bubble that enables secure data exchanges to reduce the fog of war. What is already true for many armoured vehicles* will be true in the future for the dismounted soldier himself, who will be carrying advanced technologies. Processing these data will optimise military action. Firstly, through the speed with which information is processed, enabling greater respon­siveness, and secondly, through the consistency with which information is processed, enabling omni-surveillance of the battlefield. But this revolution of the digitisation of the battlefield is coupled with a second one, that of military robotics. Among its advantages, of course, we have the removal of the combatant from the danger zone, a high-risk area where we would rather risk a robot than a human life (cave reconnais­sance, mine clearance). If their energy autonomy can be guaranteed, these machines can also remain omnipresent in the field, where humans are subject to fatigue and climatic constraints (surveillance), or particularly in the 3rd dimension (flying over areas). Embedded technologies also enable them to be more responsive and more precise than human beings when carrying out a task. The enormous advantage of these last two qualities is immediately apparent if countermeasures need to be triggered to face a sudden threat, or if a favourable opportunity arises. More specifically, the use of robotic resources extends a military unit’s range of action beyond its traditional limits, traditionally established by its firing range. Carrying functional modules on robotic platforms will extend the unit’s information-gathering capabilities (remote cameras, sensors for CBRN threats detection) or its identification capabilities (algorithmic image processing), thereby extending the limits of its information-gathering range. Nevertheless, the use of these robotic systems requires providing a high degree of autonomy in their movements in order to reduce the human cognitive load induced by their control. This autonomy will be a factor of power, whatever the environment in which these systems operate (land, air, sea, submarine, space or cyber) and a factor in levelling the asymmetry of military potential. Recent conflicts (the 44-Day War of the Nagorno Karabakh conflict, more recently Gaza, Yemen and the Red Sea, and above all the Russian-Ukrainian conflict) have marked a turning point in the way UAVs (Unmanned Aerial Vehicles) are perceived. They have gradually highlighted the inevitability of war between robots, that autonomy will amplify in the years to come, whether in high or low-intensity, or in symmetrical or asymmetrical conflicts. A third revolution, that goes hand in hand with the first two aforementioned, is to be dealt with by this article: Artificial Intelligence (AI). This is a veritable tool at the service of the military that will enable them to manage some of the complexity of tomorrow’s battlefield, and in particular the multiplication of operational data, interconnection of deployed equipment with remote support systems, at combined, joint, or even allied levels. Such an abundance of military data to process is accompanied by a cognitive overload that is too significant for the military leader, requiring automatic data processing. AI is a response because, with its computational capabilities, it will enable heterogeneous multi-source data to be processed, real-time analysis and rapid responses, allowing for advanced automation within systems, priority management, optimisation of available resources, etc1. In more practical terms, it can be divided into two main categories: a) decision support for the military commander when preparing or conducting a mission, b) management, coordination and interconnection of multifunctional robotic systems. 1.2 The different types of AI This article will not deal with the difference between the various types of AI. Indeed Artificial Intelligence is a term that encompasses two very different notions: symbolic AI first of all, which can be described as a top-down model, in the sense that it simulates or describes a formal representation of thought, whatever the substrate on which it is based2. It is a transcription of human decision-making mechanisms into algorithms, which thus execute a thought formalised by the designer, but which therefore cannot deviate from the original framework in which it was conceived. The solutions found by these systems are therefore logical, but do not deviate from the rules that have been set. Then the connectionist AI, or neural networks, based on a simplified model of the biological neuron and its links with the synapses send to the AI information to be processed. Such a neural network must be trained to perform a specific task or to acquire new skills, the performance of which can be improved with experience. This is known as machine learning. We are entering a new range of AI here, one that moves away from the manual writing of computer programmes. A connectionist AI can be discriminative and focus on classifying the data it analyses, or it can generate content, such as images, videos, music, texts or 3D models. Unlike symbolic AI, it raises the question of the trust that a military leader can place in such a system. 2. The benefits of AI for the military With data being set to be ubiquitous on the battlefield in the future, the opportunities offered by AI to process data from the military world are manifold. We will attempt here a general functional approach to its possible uses. 2.1 Mission preparation AI will help military leaders to make better decisions in increasingly complex tactical environments. It will be able to study several alternative solutions and propose decision options based on the analysis of multiple parameters. Our brains are not efficient at making decisions when more than five or seven factors are taken into account depending on the person and the context; beyond that limit they go into cognitive overload, which often translates into an emotional burden for the military leader. AI has no such limits and can take hundreds or even thousands of factors into account! Prior to operations, AI will thus help the leader to prepare the mission and plan the operations: by analysing the 3D terrain mapping (lines of sight, radio coverage, hydrography, soil survey, inhabited areas), by reading the history of enemy operating methods in the area, by taking into account the expected meteorology, etc. It will be a decision-making aid and will be able to propose a choice of route according to the weather conditions. It can be used as a decision-making aid, proposing an optimal itinerary based on these elements and the history of the area (mapping of IED hot spots), the light and shade for movements, checking accessible high points and listing possible areas for UAVs landing or for searches, etc. Above all, the AI’s computational capabilities will enable it to compare the military commander’s courses of action with the enemy’s possible courses of action, incorporating a host of possible non-compliant cases (complex enemy attacks such as drones swarms or combat helicopters, jamming effects, electromagnetic attacks, deception, etc.). It will enable a set of candidate solutions to be proposed to the commander, who will then be able to decide on the best course of action. 2.2 Mission conduct In the conduct of a mission, by capturing and analysing data from the battlefield in real time, AI will give military commanders a better understanding of the tactical situation. There are many ways of doing this, including tracking people (facial recognition) or vehicles (shape recogni­tion), and detecting enemy attacks (source of sound or light flashes). This requires sensors to be autonomous in their data processing, indepen­dently of networks involving on-board computing capabilities (i. e., edge computing). 2.3 Detection / Prediction The proliferation of cameras integrated into camouflaged and abandoned sensors on the field, or mounted on drones or microsatellites at altitudes that allow them to monitor the entire battlefield, will partially lift the fog of war for those who control them. AI will enable the detection of aerial stealth targets, and the spotting and identification of objects on images or videos taken by these various types of equipment, using conventional, IR or thermal vision. Data produced by these cameras and sensors are legion in theatres of operation, but armies suffer from a chronic lack of human resources to analyse them. Detection and identification will therefore be based on AI-assisted remote surveillance systems. Before deployment and under supervision, it will also have to learn how filter out false alarms, such as the rustling of leaves in trees due to the wind or the falling of dead leaves, which must not trigger alerts on images used to detect enemy movements. For detected and identified threats, AI will be able to predict and calculate the trajectory of targets in real time, and suggest priorities to deal with the fastest (missiles or remotely operated munitions). It will determine likely modes of progression for enemy vehicles or armed groups. AI will also be able to optimise radio transmission and coverage capacities according to the constraints of the terrain (mountains, relief, weather) and the resources available (positioning of communication relay drones). 2.4 Collaborative Combat Provided data is effectively shared between equipment, AI could encourage the emergence of collaborative combat as it makes it possible to optimise the distribution and availability of critical resources and effectors (i.e., means having an effect on its environment: jammer, smoke bomb, grenade etc.). Collaboration can be seen here on three main levels: a) the inter-environment availability of resources and effectors available in a given air-land tactical zone, b) cooperation between combat units and robotic systems during combat phases, and c) the organisation of logistical support by anticipating supplies as close as possible to the units, depending on the conduct of the manoeuvre. The necessary fusion of various types of data and the capacity for geo-distributed processing nevertheless requires very strong connectivity between the sensors deployed to carry out collaborative combat and a permanent flow of data. This requires an unjammed tactical network, backed up by connections to low-earth orbit satellites. 2.5 Equipment customisation In the future, AI will make it possible to customise the equipment worn by the soldier, i.e., his weaponry or the objects he wears, such as the exoskeleton. The exoskeleton will be able to adapt to the individual’s specific movement characteristics: each soldier having his own gait, AI will be able to learn it and optimise the exoskeleton’s muscular support accordingly. AI will provide cognitive assistance to the soldier through cognitive interfaces that are easy to use and present contextualised and adaptive information with a mental representation tailored to each individual, based on natural interaction between the soldier and the interface. Given the influx of operational and terrain data, it will be necessary to determine beforehand those of the soldier and personalise them: for example, with an intelligent filter adapted to the individual’s hierarchical level (group leader, platoon leader, captain) and his military speciality. Here again, AI can play a role in this filtering. Finally, AI can offer instant language translation capabilities for soldiers in the midst of a foreign population, adapting to local dialects and accents. It can also offer a “Speech to Text” capability for transmitting digital orders or chatting, adapting to the language of each person and its potential distortion depending on the context (as with the effects of stress, or as for pilots at high altitude subject to pressure variations). 2.6 Predictive maintenance In the field, equipment is subject to severe constraints. For any military equipment or weapons system, AI will help to improve their Maintenance in Operational Condition through predictive maintenance. It will enable self-diagnosis of vehicles or equipment, with access to external databases for diagnostic assistance in the event of breakdowns, but above all on a preventive basis. To achieve this, integrated HUMS (Health & Usage Monitoring System) will enable equipment to observe its own operating status. 3. The indispensable contribution of AI to robotics 3.1 Navigation AI will gradually be integrated into mobile platforms, and more specifically into robotic systems that include some form of autonomy (UAV air/ UGV land/ USV and UUV sea). Primarily for navigation functions to avoid a teleoperator being constantly dedicated to piloting and having consequently his cognitive load being dedicated solely to this function. It will enable robots to adapt to spatial configuration and unknown environments whenever necessary. It will also enable trajectory adjustments to be made under time pressure, particularly when unexpected obstacles appear along the way. Finally, it will enable these platforms to dodge threats and to position their effectors quickly and reactively. AI will also make it possible to overcome jamming constraints. While this article is being written, in the context of the Russian-Ukrainian conflict, we are close to observing remotely operated munitions that will be automated in their last trajectory section to track and neutralise the target, without direct human control. This also raises the question of a prior validation of the system’s activation by the military commander, who is responsible under International Humanitarian Law. Remotely operated munitions are currently heavily jammed in the last few hundred metres, and AI target identification functions will soon be developed to ensure the success of strikes in heavily jammed environments. 3.2 Managing multiple robotic platforms Swarms of multi-function robots, which can be multi-environments too, represent the next step in the introduction of robotics into the battlefield. Swarms can effectively occupy aerial or land spaces, ensure saturation effects thanks to redundancy of action and their sheer number. Several robotic platforms will be able to be coordinated by a collective intelligence, which adapts to external events and enables a “group behaviour” capable of reconfiguring itself and reallocating tasks internally to achieve a common objective. Their move will adapt dynamically, reactively and rapidly to the spatial configuration and to unknown environments, depending on the collective resources available. This will have multiple advantages: piloting will be supervised by a single operator, requiring less cognitive effort, and the swarm will be assigned a mission whose various components will be carried out by each of the specialised platforms (observation/detection, neutralisation, jamming, etc.). AI will grant them with a global strategy in the action, defining the expected characteristics of the swarm (speed and 3D device positioning), and the coordination of effects (observation, jamming, neutralisation, etc.). However, these strategies require modelling that takes into account the potential attrition of resources, but also the best configuration to generate a strong psychological impact on the enemy. Digital simulation is the technological solution that will make it possible to test on a larger scale various options to configure swarms and their possible uses, and to select the most appropriate configurations3. It will allow for testing vast combinations on the basis of several parameters: the rules of engagement laid down by the operational situation, the principles of the Law of Armed Conflicts, but also the types of swarm formations, the automation capabilities, and so on. 3.3 AI creates innovative robotic behaviours AI will also be innovative for robotic systems to which the military commander has delegated the execution of certain tasks. It will enable them to adapt their behaviour according to criteria that are no longer the classic criteria of an operation mounted with human partners, but mounted solely with machines whose loss in the field is entirely acceptable. In this way, it is possible to conceive a use centred on a main effect, whatever the attrition of robotic resources. It could be noted that these robotics systems are expendable and therefore have to be low cost and considered as consumable munitions, which in itself is already a conceptual evolution in military thinking. This gives rise to a number of exclusively robotic for which new doctrines of use could be devised, with some freedom of manoeuvre entrusted to the AI. For example, missions to deceive the enemy to provide support for a manoeuvre carried out by ground units. This can be done by deliberately misleading the enemy as to the direction of the friendly manoeuvre, with robots moving in the area where the enemy’s attention is required, or by disrupting them with trajectories that appear erratic or even incoherent. All this combined with the advantages offered by land-based robotics, such as responsiveness and precision, the effects of submerging by sheer numbers, and the ability to remain in the area 24 hours a day, this, provided that the robots have sufficient energy autonomy or that they carry out norias between their launch base and the action zone. While respecting IHL, we can imagine some AI whose objective will be to constantly harass enemy units by creating a feeling of constant observation and stalking, with the effect of depriving the enemy of the feeling of security that is essential to avoid any psychological collapse in the long term. On a more offensive level, AI will make it possible to seize opportunities in military action, in particular with the use of lethal assets integrated into larger, multifunctional robotic systems. The example of remotely operated munitions is very significant here, as they can be the assets around which the AI will organise the manoeuvre to detect and neutralise potential targets. For example, AI will be a particular component of future air raids in hostile territory for trajectory optimisation, in day and night conditions, and also for the training and positioning of robotic carriers and their effectors according to the potential risks detected. Compliance with IHL is of paramount importance in the execution of these missions, but its application to AI requires a specific development that could be the subject of another article, given the complexity of the subject. 3.4 Delegating tasks to AI The military leader will be able to delegate tasks to systems with a certain degree of autonomy, enabling them to carry out their mission 24 hours a day in the field, which is impossible for human beings, and will have the capacity to be more reactive than humans and therefore better able to react to saturating threats. The example of robot swarms is particularly telling, because with the advent of these sets of multifunctional robots, the leader and his subordinates will no longer be able to operate each of them remotely. He will delegate to a collective intelligence the piloting of each of the robots in the swarm, reserving for himself the piloting and control of the whole entity. Furthermore, since command performance is linked to respon­siveness, and since machines are more responsive than humans, AI will be better suited to immediately seize opportunities or react to threats, especially saturating ones and to attrition. However, this delegation of tasks to machines is a new concept for the military that raises the question of subsidiarity and the trust placed in these machines. We will come back to this in the command chapter. 4. AI to help the weak against the strong Military superiority often remains the prerogative of States benefitting from technological advances over their adversaries. But how can a State protect itself if its technologies are less developed than those of a Nation with great technological and industrial military capabilities? To answer this question, it appears that AI can be a factor in levelling asymmetry on the battlefield, by making appropriate use of the capabilities it offers. The creativity of AI can indeed offer innovative solutions to a military leader to counter the doctrines of employment of enemy military equipment. An AI trained in knowledge of friendly and enemy doctrines can develop, as an example, surprise strategies with the assets that a leader has at his disposal in a given tactical situation. We will consider here two types of assets: military equipment served by human assets and those served by robot assets. For the former, AI will be limited to being a decision aid. For the latter, the AI can manage the robot assets on its own, if this task has been delegated by the military leader. 4.1 AI as a decision-making aid for daring doctrines AI can revolutionize military tactics through daring reasoning that can surprise the adversary. However, this requires excellent knowledge of the tactical situation, provided by a comprehensive overall view of the battle­field, often called God’s eye, thanks to cameras embedded in micro­satellites as well as tactical drones. This knowledge of a precise tactical situation becomes entirely possible through the interconnection of one’s own or allied observation systems, which ensures a centralized vision of friendly and enemy troops movements. This is currently the case of the digital platform used by Ukraine in the Ukrainian theater of war, which is used to centralize all images emitted by drones to make them available to their allies. The military genius will then be able to refer to it and propose daring manoeuvres focusing on the detected enemy’s weaknesses and based on the knowledge of its modes of action in order to constrain its posture. 4.2 AI as a manager of robot assets Technological developments will very soon enable the development of coordinated systems of different robots, with a relatively low acquisition cost compared to traditional military systems, thanks to the reuse of civilian robots facilitating a “low cost” effect. AI will allow them to ensure the autonomy necessary to carry out the tasks that the military leader delegates to them, while maintaining constant supervision. Armed forces will therefore be able to benefit from their use. The responsiveness of these systems, in constant flight in the sky or easily deployable from a platform or from a truck, will enable them to counter saturating threats in real time. As a result, a battle for the occupation of 3D space by robotized machines is taking shape, setting drones against drones, swarms against drones and swarms against swarms. 4.3 Digital deception by AI While camouflage remains a basic rule for protecting your units, the introduction of AI brings a new discipline that will have to be integrated into deployed or embarked combat units: digital deception. Digital deception is a new discipline whose aim is to prevent the enemy from collecting exploitable data on our forces, but also to deceive opposing AI, which will thus be disrupted in their process of analyzing captured images. In addition to classic concealment measures, notably to conceal our forces and equipment from the omni-surveillance from the sky (satellites, drones), deceiving the enemy will also involve camouflaging our military data captured on the battlefield. This will involve breaking down shapes (characteristic points) and electromagnetic signatures. Indeed, the capture of imagery intelligence (IMINT) is now increasingly delegated to remote systems, using cameras that most often only render a 2D image, i.e., with no relief effect, on which the precise detection of details remains complex. Mirrors, for example, can become a simple way of deceiving, which is very difficult for AI to detect. The latter usually relies on detected shapes. For connectionist AI, certain neurons will specialize in the recognition of specific shapes. Let’s take the example of the tank: an AI specialized in tank recognition will have learned specific shapes characteristic of a combat tank (turret, cannon, tracks, and so on). Adding whacky shapes that are incompatible with a tank structure will most likely confuse the enemy AI. It is no longer a question of breaking lines as in classic camouflage, but of adding patterns that will lower the AI’s statistical detection of a tank. For example, by adding wooden panels with painted window shutters to the tank’s superstructure, on all 4 sides and on the top of the tank. This may seem very incongruous, but the AI will be completely confused and will not be able to conclude that an enemy tank is present, as the risk of error is too high. Of course, the enemy will quickly become aware of this, but by the time he has performed a new training for his AI to get around the problem, the friendly forces will have time to modify the paintwork on the wooden panels, and replace the shutters with … other motifs such as slates! It may be objected that this type of superstructure paint will not be compatible with traditional camouflage, the aim of which is to deceive the human eye. Not necessarily, since the primary aim of visual camouflage is to break the classic shapes detectable to the human eye. The solutions outlined above are admittedly simplistic, but further study will enable us to reconcile these two constraints: breaking the lines, and adding structural elements unlikely to be seen on military equipment. Another example is the use of fake images, with deliberately modified dimensions. These can deceive an enemy AI into not making the correlation between an object’s size and its environment, because AI simply hasn’t learned perspective in the sense that we humans manage it with our binocular vision, which gives us an idea of distances in 3D and a perception of relief. In the same vein, a virtuous AI will have learned the basic constraints of international humanitarian law (IHL), implying the non-aggression of civilian populations during combat. This represents an ethical and technical challenge, which requires AI to respect these unbreakable rules. Consequently, simulating civilian personnel on the same tank (by adding mannequins placed on the vehicle), will once again disturb an ethical AI trained not to open fire on suspicion of firing on defenseless populations. Reasoning can be applied to electromagnetism. The difference is that it is difficult to reduce an electromagnetic signature, which indicates emission on the battlefield, and therefore active participation in the conflict. This makes it difficult to mask one emission with a different electromagnetic signature. 5. The impact of AI on command For the military leader, the issue raised by the introduction of AI on the battlefield lies in the constant need to retain his responsibility for decision-making. Nevertheless, the three revolutions outlined in the introduction will gradually call into question traditional military command, which until now has been reserved for Man, the only one capable of apprehending the context and the environment and synthesizing the information4. 5.1 From vertical to horizontal command structure Primarily, since the dawn of military history, the strength of the armed forces has always been their hierarchical command structure. Soldiers place their trust in their leader, who in turn is aware of the overall tactical situation and decides on the idea of manoeuvre. Subordinates carry out orders and trust their leader’s tactical analysis. However, with the digitization of the battlefield, data is now more widely available than ever before. What is known as the verticality of command is thus disrupted by the horizontal nature of the information disseminated to all. As a result, the leader will have to formulate his orders keeping in mind that his subordinates also share the same information, and may even have received and analyzed it before him. He must therefore take their opinions into account and co-construct his thinking with them, at the risk of otherwise cutting himself off from a host of advice from his staff deployed in the field as close to the action as possible. 5.2 Optimising the decision-making process duration At the same time, AI and its ability to process information in real time means that military decision-making duration can be shortened. In a conventional decision-making process, which is traditionally broken down into four steps (information acquisition, analysis, decision based on certain rules or constraints, then action or lack of action), immediate access to information means that the decision-making process is extremely shortened. Besides, the decision-making process itself can be delegated to a machine, whose computing capacity and reaction time are far superior to those of human beings. 5.3 Hybrid subsidiarity Finally, command is exercised through subsidiarity. This will involve two components: the traditional one with the soldier team member under his command, and the future one with AI-integrated systems to which he will delegate tasks to carry out. The leader will therefore have to proceed in two phases. The first phase consists in defining precisely the tasks he delegates to these systems, while ensuring that he controls the framework within which their actions are carried out. He defines the actions that have to be validated at his level, the others being subject to a regular report. He also controls the temporal and spatial framework in which these systems evolve. Once these systems are active, the second phase implies to command by reaction. This takes place at a more global level, as in the example of the swarms mentioned above. It can be both a) a command by reframing if the action carried out by these systems deviates from the spirit of the manoeuvre intended by the leader, or b) a command by veto that temporarily or definitively stops the triggering of actions considered critical. It should be noted that the ethical question raised here is that of the trust we can place in machines that are potentially more efficient than humans, but which are not moral agents in the sense that they will never be aware of the scope of their actions and decisions. They are simply algorithms that execute. In contrast, the soldier exercises discernment and free will. 5.4 Maintaining the demands of command However, whatever the assets at his disposal, the military leader must take responsibility for the military action he leads. This principle is both structuring and reassuring. Structuring, because it ensures the credibility of the command, which takes responsibility for its own actions despite the fog of war. Reassuring, because the leader retains the need for discernment before making any decisions, and avoids offloading his responsibility onto the behavior of the machines at his disposal. Moreover, the military leader takes decisions according to the context. He is the only one able to take into account the global situation of a military action, to see beyond the initial data of the mission he is leading, and beyond the data emitted on the battlefield. Besides, he is the only one who is aware of the moral implications of his actions ­­– something, let us not forget, any machine would never possess. Nevertheless, he will have to train himself to avoid the new challenge of the significant reduction in the time allowed to make a decision, as outlined above. AI will certainly enable systems to react more quickly, but this advantage is the same for the enemy: “He who shoots first wins”, as Lieutenant-Colonel Rommel wrote in his memoirs. He will therefore have to train himself to discern and decide promptly, in order to maintain his superiority over his adversary, while restraining himself from the temptation of excessive confidence, or even fascination, in the AI’s performance. Consequently, AI, as a built-in tool in military systems that can allow for a degree of autonomy, must not cause the military leader to lose the possibility of regaining control over the machine. Here we quote Professor Dominique Lambert, who lists the conditions of supervision required to ensure that the human sense of the action is preserved5. According to him, human supervision must be: sufficient, which means that humans introduce into the management of the weapons system sufficient conditions (and not just a few necessary conditions) to ensure that ethical principles are preserved and that the rules of International Humanitarian Law and the rules of engagement are satisfied; meaningful, meaning that it is ultimately always a reference to the human sense that must guide the design, development and use of weapons systems […]; coherent, which means that at no point can the weapons system contradict what human authority has prescribed as the goal of action. In fact, it would be incoherent if a weapons system deployed to fulfill a certain mission began to behave in a way that is inconsistent with the prescribed aims. 5.5 Defining a national strategy for a sovereign military AI Given the risks inherent to this new technology, every country needs to set a strategy that respects the ethical constraints it has defined. We can cite here as an example the French Army which, in its AI Task Force report of September 2019, indicates the need to: rely on trusted, controlled and responsible AI; maintain the resilience and scalability of its systems; preserve national sovereignty; maintain freedom of action and interoperability with its allies. These general principles for a strategic policy for the implementation of a sovereign AI can be taken up or adapted by Armenia, partner country of France. The fact is that connectionist AI relies on the data that feeds its machine learning process, and then for the data processing to be carried out. But, if the data with which the AI of the civilian world is trained (Gemini, LLaMA, ChatGPT, etc.) is plethoric, it is because they have been generously and freely made available to GAMMA by their owners, without them even realizing it. The same cannot be said of military data. Under no circumstances should military data be distributed to the whole world on an open-access basis, and it must remain the priority of sovereign states. Military data is of vital importance! This means knowing how to retrieve and preserve it: it is a challenge to national sovereignty. As a result, these same states need to develop their own sovereign AI, which are the only ones to be authorized to use their military data. While the help of allied nations is invaluable in this respect, the use of military data by foreign AI will have to be agreed on between the countries concerned. It is also conceivable to start with neural networks developed by foreign nations and specialized in a given function, and then to enrich them by learning new additional classes which will remain the property of the sovereign country. 6. Conclusions As a logical consequence of the digitization of the battlefield, the interconnection of systems and the drastic increase in the amount of data to be processed, AI offers a host of opportunities that every nation must seize by adopting a development strategy that enables it to retain sovereignty over its own military data. In terms of command, AI is not just another technique. It requires every military leader who uses it to master its use, to seize the opportunities it offers, while understanding its risks. This implies having leaders capable of grasping the complexity, and not simply delegating its management to technical specialists. While AI military experts, engineers and technicians are obviously needed, so too are military personnel and officers trained in these techniques. To achieve this, the latter will be able to draw on simulation tools to help establish new doctrines of use for AI-built-in systems (detection, counter-threat, robotic systems of systems, swarms), as well as tactical situation exercises in which AI is used as a decision-support tool for manoeuvre preparation, or in conduct. We however must bear in mind that, while AI enables us to express a new type of military genius in the service of our forces, the enemy can also be inventive and changeable, with the sole aim of surprising us in order to win. References 1 See Gérard de Boisboissel. Déclinaisons et applications possibles de l’IA dans le domaine militaire. “Moroccan National Defence review”. First edition, Juin 2023. 2 See Dominique Lambert. Que penser de… ?: la robotique et l’intelligence artificielle. Fidélité/Lessius. Editions Jésuites, 2019, N 100. 3 See Thierry Berthier, Gérard de Boisboissel. Du drone au essaim de drones: une nécessaire modélisation des comportements au profit de la simulation. Conference CAID DGA 2023. 4 See Gérard de Boisboissel. Intelligence artificielle et commandement. “Défense et Sécurité Internationale”, Janvier-Février 2024, N 169. 5 See Dominique Lambert. Fondements éthiques d’un approche humaine­ment signifiante du problème des SALAS. “Les enjeux de l’autonomie des systèmes d’armes létaux”, Pedone, 2022, P. 138. * The SICS (Système d’Information du Combat de SCORPION) is an on-board operational information system all French Army vehicles are gradually being equipped with.

Aujourd’hui, les manipulateurs robotiques sont appelés à effectuer une gamme de plus en plus large de tâches allant au-delà des applications traditionnelles. Un tel type d’application est l’interaction physique humain-robot. Pour que ces systèmes soient sécuritaires, il peut être souhaitable de réduire leur poids et leur force en réduisant la taille de leurs actionneurs. En effet, réduire la taille des actionneurs augmente la sécurité de deux manières, l’inertie du manipulateur diminue et les couples générés par les moteurs sont fortement réduits. Cependant, le principal inconvénient de ces manipulateurs est la réduction de leur capacité de charge utile. C’est pourquoi une meilleure utilisation des capacités articulaires est nécessaire pour leur permettre d’accomplir des tâches qu’elles ne pourraient normalement pas accomplir. Ainsi, cette thèse présente une étude de deux types principaux de tâches pour lesquelles une stratégie d’optimisation de trajectoire efficace peut être particulièrement utile. La première tâche consiste à soulever des objets lourds, c’est-à-dire, qui dépassent la capacité de charge utile d’un manipulateur. L’étude de cette tâche pourrait mener à la conception de manipulateurs plus légers et plus capables. Ce travail se concentre sur l’étude des méthodes de génération de trajectoires permettant aux manipulateurs ayant des actionneurs relativement faibles de soulever des charges lourdes en exploitant pleinement leur dynamique. La deuxième tâche étudiée dans cette thèse est la tâche de lancer des objets. Plus précisément, la portée des manipulateurs est étudiée, c’est-à-dire, la distance maximale à laquelle un objet peut être lancé avec un manipulateur donné est recherchée. Cette tâche est étudiée à trois niveaux de complexité : la recherche de la distance maximale possible avec des contraintes de vitesse, la recherche de la capacité maximale de lancement en considérant une trajectoire complète avec des contraintes cinématiques et la recherche de la capacité maximale de lancement en considérant une trajectoire complète avec des contraintes dynamiques. Enfin, des critères de performance sont établis à partir de ces deux types de tâches afin d’aider au processus de conception d’un nouveau manipulateur. Ainsi, une simulation d’optimisation de la conception est effectuée à titre de preuve de concept.
Today, robotic manipulators are being called upon to perform an increasingly wide range of tasks that extend beyond the conventional ones required in traditional applications. One such type of application is physical human-robot interaction. In order for such systems to be safe, it can be desirable to decrease their weight and strength by reducing the size of their actuators.Indeed, reducing the size of the actuators increases safety in two manners, the inertia of the manipulator decreases and the torques generated by the motors are greatly reduced. However, the main drawback of such manipulators is the reduction of their payload capacity.Therefore, better usage of the limited joint efforts is required to enable them to perform tasks that they would normally not be able to accomplish. Thus, this thesis presents a study of two main types of tasks where an effective trajectory optimisation strategy can be particularly valuable. The first task is that of lifting heavy objects, i.e., objects that exceed the conservative estimate of the payload capacity of a manipulator. Studying this task could lead to the design of lighter,more capable manipulators. This work focuses on studying trajectory generation methods to enable manipulators with relatively weak actuators to lift heavy payloads by fully utilizing their dynamics. The second task studied in this thesis is the task of throwing objects. Specifically, the distance throwing capabilities of manipulators is studied where the maximum distance that an object can be thrown with a given manipulator is sought. This task is studied at three levels of complexity: finding the maximum possible throwing capacity of manipulators with velocity constraints, finding the maximum throwing capacity considering a full trajectory with kinematic constraints, and finding the maximum throwing capacity considering a full trajectory with dynamic constraints. Finally, performance criteria are established from these two types of tasks in order help in the process of designing a new manipulator. Thus, a simple design optimisation simulation is performed as a proof of concept.

Dans l'industrie 4.0, la fabrication avancée est essentielle pour façonner les usines du futur, en permettant d'améliorer la planification, l'ordonnancement et le contrôle. La capacité d'adapter rapidement les lignes de production en réponse aux demandes des clients ou à des situations inattendues est essentielle pour améliorer l'avenir de la fabrication. Bien que l'IA apparaisse comme une solution, les industries s'appuient toujours sur l'expertise humaine en raison des problèmes de confiance et du manque de transparence des décisions de l'IA. L'IA explicable intégrant des connaissances de base liées à la fabrication est cruciale pour rendre les décisions de l'IA compréhensibles et dignes de confiance. Dans ce contexte, nous proposons le cadre S-XAI, une solution intégrée combinant les spécifications de la machine et le MCSK pour fournir une prise de décision explicable et transparente. L'accent est mis sur la fourniture de capacités machine en temps réel afin de garantir une prise de décision précise tout en expliquant simultanément le processus de prise de décision à toutes les parties prenantes concernées. En conséquence, le premier objectif était de formaliser les spécifications des machines, y compris les capacités, les fonctions, la qualité et les caractéristiques des processus, en se concentrant sur la robotique. Pour ce faire, nous avons créé une ontologie des capacités des robots qui formalise tous les aspects pertinents des spécifications des machines, tels que la capacité, l'aptitude, la fonction, la qualité et les caractéristiques du processus. En plus de cette formalisation, le RCO permet aux acteurs de la fabrication de capturer les capacités robotiques décrites dans les manuels de spécification (capacités annoncées) et de les comparer avec les performances réelles (capacités opérationnelles). Le RCO est basé sur le langage de description des services de machines, une ontologie de référence créée pour les services de fabrication et alignée sur l'ontologie formelle de base, l'ontologie de la fonderie industrielle, l'ontologie des artefacts d'information et l'ontologie des relations. Le deuxième objectif était la formalisation du MCSK. Nous introduisons le MCSK et présentons une méthodologie pour l'identifier, en commençant par reconnaître les différents modèles de CSK dans la fabrication et en les alignant sur les concepts de fabrication. L'extraction du MCSK sous une forme utilisable est un défi, c'est pourquoi notre approche structure le MCSK en énoncés NL en utilisant des LLM pour faciliter le raisonnement basé sur des règles, améliorant ainsi les capacités de prise de décision. Le troisième et dernier objectif est de proposer un cadre S-XAI utilisant le RCO et le MCSK pour évaluer si les machines existantes peuvent effectuer des tâches spécifiques et générer des explications NL compréhensibles. Cet objectif a été atteint en intégrant le RCO, qui fournit des capacités opérationnelles telles que la répétabilité et la précision, au MCSK, qui décrit les exigences du processus. En utilisant le raisonnement sémantique basé sur le MCSK, le système S-XAI fournit de manière transparente des explications NL qui détaillent chaque logique et chaque résultat.Dans le cadre du S-XAI, un NN prédit les capacités opérationnelles des robots, tandis que l'IA symbolique incorpore ces prédictions dans un système de raisonnement basé sur le MCSK et fondé sur le RCO.Cette configuration hybride maximise les forces de chaque système d'IA et garantit que les prédictions soutiennent un processus décisionnel transparent. En outre, la S-XAI améliore l'interprétabilité des prédictions du NN grâce à des techniques XAI telles que LIME, SHAP et PDP, clarifiant les prédictions du NN et permettant d'obtenir des informations détaillées pour un meilleur calibrage et une gestion proactive, favorisant ainsi un environnement de fabrication résilient et informé
In Industry 4.0, advanced manufacturing is vital in shaping future factories, enabling enhanced planning, scheduling, and control. The ability to adaptproduction lines swiftly in response to customer demands or unexpected situations is essential to enhance the future of manufacturing. While AI is emerging as a solution, industries still rely on human expertise due to trust issues and a lack of transparency in AI decisions. Explainable AI integrating commonsense knowledge related to manufacturing is crucial for making AI decisions understandable and trustworthy. Within this context, we propose the S-XAI framework, an integrated solution combining machine specifications with MCSK to provide explainable and transparent decision-making. The focus is on providing real-time machine capabilities to ensure precise decision-making while simultaneously explaining the decision-making process to all involved stakeholders. Accordingly, the first objective was formalizing machine specifications, including capabilities, capacities, functions, quality, and process characteristics, focusing on robotics. To do so, we created a Robot Capability ontology formalizing all relevant aspects of machine specifications, such as Capability, Capacity, Function, Quality, and Process Characteristics. On top of this formalization, the RCO allows manufacturing stakeholders to capture robotic capabilities described in specification manuals (advertised capabilities) and compare them with real-world performance (operational capabilities). RCO is based on the Machine Service Description Language, a domain reference ontology created for manufacturing services, and aligned with the Basic Formal Ontology, Industrial Foundry Ontology, Information Artifact Ontology, and Relations Ontology. The second objective was the formalization of MCSK. We introduce MCSK and present a methodology for identifying it, starting with recognizing different CSK patterns in manufacturing and aligning them with manufacturing concepts. Extracting MCSK in a usable form is challenging, so our approach structures MCSK into NL statements utilizing LLMs. to facilitate rule-based reasoning, thereby enhancing decision-making capabilities. The third and final objective is to propose an S-XAI framework utilizing RCO and MCSK to assess if existing machines can perform specific tasks and generate understandable NL explanations. This was achieved by integrating the RCO, which provides operational capabilities like repeatability and precision, with MCSK, which outlines the process requirements. By utilizing MCSK-based semantic reasoning, the S-XAI system seamlessly provides NL explanations that detail each logic and outcome. In the S-XAI framework, an NN predicts the operational capabilities of robots, while symbolic AI incorporates these predictions within an MCSK-based reasoning system grounded in the RCO. This hybrid setup maximizes the strengths of each AI system and ensures that predictions support a transparent decision-making process. Additionally, S-XAI enhances the interpretability of NN predictions through XAI techniques such as LIME, SHAP, and PDP, clarifying NN predictions and enabling detailed insights for better calibration and proactive management, ultimately fostering a resilient and informed manufacturing environment

On considère qu'un robot est en mesure de franchir un obstacle s'il est capable, pour chaque configuration géométrique des contacts rencontrée durant le franchissement, d'équilibrer les actions extérieures qu'il subit tout en préservant l'adhérence des contacts. Notre approche consiste à optimiser la répartition des efforts de contact afin de maximiser un critère qualifiant la performance du franchissement. Pour cela, nous mettons à profit deux caractéristiques des robots poly-articulés. D'une part, la redondance d'actionnement permet l'application de forces internes modifiant la répartition des efforts entre les différents points de contact. D'autre part, la redondance cinématique permet de changer la position du point d'application des forces de gravité en déplaçant le centre de masse relativement à la position des contacts, modifiant ainsi l'espace des solutions au problème de distribution des forces. Le critère utilisé qualifie la robustesse du franchissement vis-à-vis des incertitudes de la commande en efforts. Elle est choisie à partir d'une analyse comparative des différents critères utilisés dans le domaine de la préhension dextre. L'algorithme de commande que nous développons permet le contrôle simultané des mouvements du robot et des efforts aux contact. Il est d'abord validé par une série de simulations dynamiques puis vérifié sur le prototype de robot hybride HyLoS 2. Ce robot à 4 "roues-pattes" possède 16 ddl et est en mesure de franchir un obstacle représenté par une pente de 60\char6 ayant une hauteur de 19 cm alors que le rayon de ses roues est de 7 cm.

Le travail présenté dans cette thèse s'inscrit dans la problématique du développement d'agents logiciels dotés de capacités perceptives. Munir de tels systèmes de capacités exploratoires suppose dans un premier temps la détermination des points d'intérêt de la scène visuelle. Afin de pouvoir se déplacer dans la scène, on distinguera les traitements en champ large et basse résolution des traitements focaux en haute résolution. On sépare ainsi la phase d'exploration associée à la recherche des points d'intérêt de la phase d'exploitation associée à la reconnaissance. Les points d'intérêt retenus sont constitués de maxima d'énergie calculés à l'aide de filtres en ondelettes couvrant une gamme d'orientations et de fréquences spatiales. Les plus basses fréquences sont utilisées pour déterminer les saillances périphériques. Nous montrons que les axes d'une Analyse en Composantes Principales (ACP) d'un échantillon représentatif de scènes naturelles constituent un système de projection permettant de catégoriser les points d'intérêt d'une scène quelconque. Ce système dispose ainsi de plusieurs points de vue de la scène aptes à guider ses mécanismes attentionnels. L'énergie de ces points d'intérêt selon différentes orientations et fréquences spatiales est alors utilisée pour les indexer. Nous avons montré que les composantes de basse fréquence de cette représentation indexée sont suffisantes pour biaiser les saillances de la scène en faveur de cibles similaires aux représentations mémorisées et assez robustes pour conserver cette propriété dans une séquence vidéo soumise à de fortes variations de contraste. Nous démontrons ainsi que des points d'intérêt fondés sur une analyse fréquentielle multi-échelle peuvent être utilisés pour contrôler des saccades exploratoires par un mécanisme ascendant; la part basse fréquence d'une telle représentation peut contrôler de façon descendante des saccades guidées par la cible recherchée
The work presented in this thesis deals with the development of software agents endowed with perceptive capacities. To provide such a system with exploratory capacities supposes the determination of interest points in the scene. In order to be able to move in the image, one will distinguish a low-resolution wide field processing and a high resolution focal processing. One thus separates the exploration phase associated to the search of interest points from the exploitation phase associated to recognition recognition. The selected points consist of energy maxima computed using wavelet filters covering a range of orientations and frequencies. The low frequencies are used to determine the peripheral saliency. Principal Component Analysis (PCA) projection system was computed from a representative sample of natural scenes. This system was used to categorize the interest points of an unspecified scene. The system thus can use several points of view to guide its attentionnal mechanisms. The energy of these interest points according to various orientations and space frequencies is then used to index them. We showed that the low frequency components of this indexed representation are sufficient to bias the saliency of the scene in favor of targets similar to the representations memorized. They are also sufficiently robust to preserve this property in a video sequence subject to strong contrast variations. We showed as well that interest points based on a multi-scale frequency analysis can be used to control exploratory saccades by using a bottom-up mechanism; the low frequency part of such a representation can be used to control the saccades required to attain the target in a top-down way

Les travaux de cette thèse se placent dans le cadre de la robotique mobile terrestre. Un prototype innovant de robot à géométrie variable capable de franchir divers obstacles (escaliers, trottoirs...) est présenté et analysé. Le retour d'expérience nous donne des pistes pour évoluer vers un robot autonome. L'étude de la déformation d'un robot muni de n degrés de liberté est présentée et formalisée comme un problème de satisfaction de contraintes. L'objectif est d'actionner les articulations du robot tout en conservant la tension de la chenille qui transmet l'effort des moteurs de propulsion. Des outils d'analyse par intervalles sont utilisés pour proposer une solution. Un autre aspect du contrôle d'un robot à géométrie variable est ensuite étudié pour fournir une méthode autonome de déformation lors de phases de franchissement d'obstacles. Un réseau de neurones est entraîné via un algorithme génétique dans le but de franchir un escalier. Le prototype existant nous permet de valider expérimentalement ces résultats.

La chirurgie laparoscopique est une chirurgie mini-invasive qui est devenue un standard pour certaines procédures tant elle présente de nombreux avantages pour le patient d'un point de vue esthétique et rémission post-opératoire. Malheureusement, la chirurgie laparoscopique s'accompagne aussi de difficultés d'ordre mécanique, visuel et ergonomique. L'apprentissage de cette chirurgie est alors long et difficile pour les internes en école de médecine. Traditionnellement, l'apprentissage se déroule au bloc opératoire, les internes assistant le chirurgien en naviguant la caméra par exemple. L'apprentissage sur patient réel est cependant stressant et ne laisse pas la possibilité de répéter les gestes. Selon la procédure, la courbe d'apprentissage peut-être très lente avec des conséquences sanitaires et financières significatives. Dans ces conditions, l'apprentissage en dehors du bloc opératoire devient nécessaire et des simulateurs de laparoscopie ont été développés. Malheureusement, les restrictions budgétaires et réglementaires ne permettent pas d'avoir des séances d'entrainement efficaces en dehors de la salle d'opération. Ainsi, la thèse présentée porte sur l'amélioration de la formation à la chirurgie laparoscopique lors de ces séances sur simulateur en dehors du bloc opératoire. Tout d'abord, il est apparu dans nos recherches que, durant les séances d'entrainement, les élèves étaient peu guidés dans leurs gestes et qu'ils n'avaient pas de retour quantitatif sur leur performance. Nous avons donc implémenté dans un premier temps un guidage kinesthésique qui se comporte comme un guide virtuel pour l'élève. Puis nous avons implémenté deux retours sensoriels (visuel et tactile) pour avoir cette fois-ci des élèves actifs dans la correction du geste laparoscopique. Ensuite, nous avons remarqué que l'élève lui-même est très peu considéré lors des séances d'entrainement où les exercices pratiqués sont standardisés. Nous avons alors proposé deux pistes pouvant mener à un apprentissage personnalisé : - Considérer les capacités psychomotrices des internes dans le processus d'apprentissage afin d'homogénéiser les groupes d'internes et faciliter l'enseignement ; - Décomposer les difficultés de la laparoscopie afin de palier le problème d'absence de gradualité des séances d'entrainement classiques
Laparoscopic surgery is a minimally invasive surgery that becomes a standard for some procedures as its many benefits for the patient (esthetic and postoperative remission). Unfortunately, laparoscopic surgery also comes with mechanical, visual and ergonomic difficulties. Consequently, the learning of this surgery is long and difficult for the students in medical school. Traditionally, learning takes place in the operating room (ex: students assist the surgeon by navigating the camera). Operating a real patient is, however, very stressful and does not allow the possibility of repeating gestures. Depending on the procedure, the learning curve may be very slow with significant health and financial consequences. Under these conditions, learning outside of the operating room becomes necessary and laparoscopic simulators have been developed. Unfortunately, budget and time restrictions do not allow for effective training sessions outside of the operating room. Thus, the thesis presented concerns the improvement of laparoscopic surgery training during these simulator sessions outside of the operating room. First of all, it appeared in our research that during the training sessions, the students were not very guided in their actions and that they had no quantitative feedback on their performance. We first implemented a kinesthetic guidance as a virtual teacher for the student. Then we implemented two sensory feedbacks (visual and tactile) to have more active students in the correction of the laparoscopic gesture. Then we noticed that the student himself is not considered during the training sessions where the exercises are complex. Thus, we proposed two ideas to personalized the learning : - Consider the psychomotor skills of the students in the learning process in order to homogenize the groups of students and facilitate the teaching ; - Decompose the difficulties of laparoscopy to overcome the problem of lack of gradual training sessions

Introduction u cours des deux derniers millénaires, il y a eu plusieurs façons de conserver, transmettre et même créer la connaissance ; la tradition orale, l’écrit manuscrit, l’écrit imprimé et l’écrit numérisé. La tradition orale et le manuscrit ont dominé pendant plus de 1400 ans, et ce, jusqu’à l’apparition du livre imprimé en 1451, résultant de l’invention mécanique de Gutenberg. Il faudra attendre un peu plus de 550 ans, avant que l’invention du support électronique déloge à son tour le livre imprimé, prenant une ampleur sans précédent grâce à la révolution numérique contemporaine, résultat du maillage des technologies de l’informatique, de la robotique et de la science des données. Les premières universités qui sont nées en Occident, au Moyen Âge, ont développé cette tradition orale de la connaissance tout en multipliant l’usage du manuscrit créant ainsi de véritables communautés de maîtres et d’étudiants ; la venue de l’imprimerie permettra la multiplication des universités où l’oral et l’écrit continueront de jouer un rôle déterminant dans la création et la transmission des connaissances même si le « support » a évolué du manuscrit à l’imprimé puis vers le numérique. Au cours de toutes ces années, le modèle de l’université s’est raffiné et perfectionné sur une trajectoire somme toute assez linéaire en élargissant son rôle dans l’éducation à celui-ci de la recherche et de l’innovation, en multipliant les disciplines offertes et les clientèles desservies. L’université de chaque ville universitaire est devenue une institution florissante et indispensable à son rayonnement international, à un point tel que l’on mesure souvent sa contribution par la taille de sa clientèle étudiante, l’empreinte de ses campus, la grandeur de ses bibliothèques spécialisées ; c’est toutefois la renommée de ses chercheurs qui consacre la réputation de chaque université au cours de cette longue trajectoire pendant laquelle a pu s’établir la liberté universitaire. « Les libertés universitaires empruntèrent beaucoup aux libertés ecclésiastiques » : Étudiants et maîtres, qu'ils furent, ou non, hommes d'Église, furent assimilés à des clercs relevant de la seule justice ecclésiastique, réputée plus équitable. Mais ils échappèrent aussi largement à la justice ecclésiastique locale, n'étant justiciables que devant leur propre institution les professeurs et le recteur, chef élu de l’université - ou devant le pape ou ses délégués. Les libertés académiques marquèrent donc l’émergence d'un droit propre, qui ménageait aux maîtres et aux étudiants une place à part dans la société. Ce droit était le même, à travers l'Occident, pour tous ceux qui appartenaient à ces institutions supranationales que furent, par essence, les premières universités. À la fin du Moyen Âge, l'affirmation des États nationaux obligea les libertés académiques à s'inscrire dans ce nouveau cadre politique, comme de simples pratiques dérogatoires au droit commun et toujours sujettes à révision. Vestige vénérable de l’antique indépendance et privilège octroyé par le prince, elles eurent donc désormais un statut ambigu » . La révolution numérique viendra fragiliser ce statut. En effet, la révolution numérique vient bouleverser cette longue trajectoire linéaire de l’université en lui enlevant son quasi monopole dans la conservation et le partage du savoir parce qu’elle rend plus facile et somme toute, moins coûteux l’accès à l’information, au savoir et aux données. Le numérique est révolutionnaire comme l’était l’imprimé et son influence sur l’université, sera tout aussi considérable, car cette révolution impacte radicalement tous les secteurs de l’économie en accélérant la robotisation et la numérisation des processus de création, de fabrication et de distribution des biens et des services. Ces innovations utilisent la radio-identification (RFID) qui permet de mémoriser et de récupérer à distance des données sur les objets et l’Internet des objets qui permet aux objets d’être reliés automatiquement à des réseaux de communications .Ces innovations s’entrecroisent aux technologies de la réalité virtuelle, à celles des algorithmiques intelligentes et de l’intelligence artificielle et viennent littéralement inonder de données les institutions et les organisations qui doivent alors les analyser, les gérer et les protéger. Le monde numérique est né et avec lui, a surgi toute une série de compétences radicalement nouvelles que les étudiants, les enseignants et les chercheurs de nos universités doivent rapidement maîtriser pour évoluer dans ce Nouveau Monde, y travailler et contribuer à la rendre plus humain et plus équitable. En effet, tous les secteurs de l’activité commerciale, économique, culturelle ou sociale exigent déjà clairement des connaissances et des compétences numériques et technologiques de tous les participants au marché du travail. Dans cette nouvelle logique industrielle du monde numérique, les gagnants sont déjà bien identifiés. Ce sont les fameux GAFAM (Google, Apple, Facebook, Amazon et Microsoft) suivis de près par les NATU (Netflix, Airbnb, Tesla et Uber) et par les géants chinois du numérique, les BATX (Baidu, Alibaba, Tenant et Xiaomi). Ces géants sont alimentés par les recherches, les innovations et les applications mobiles (APPs) créées par les partenaires de leurs écosystèmes regroupant, sur différents campus d’entreprises, plusieurs des cerveaux qui sont au cœur de cette révolution numérique. L’université voit donc remise en question sa capacité traditionnelle d’attirer, de retenir et de promouvoir les artisans du monde de demain. Son aptitude à former des esprits critiques et à contribuer à la transmission des valeurs universelles est également ébranlée par ce tsunami de changements. Il faut cependant reconnaître que les facultés de médecine, d’ingénierie et de sciences naturelles aux États-Unis qui ont développé des contacts étroits, abondants et suivis avec les hôpitaux, les grandes entreprises et l’administration publique et cela dès la fin du 19e siècle ont été plus en mesure que bien d’autres, de recruter et retenir les gens de talent. Elle ont énormément contribué à faire avancer les connaissances scientifiques et la scolarisation en sciences appliquées ..La concentration inouïe des Prix Nobel scientifiques aux États-Unis est à cet égard très convaincante . La révolution numérique contemporaine survient également au moment même où de grands bouleversements frappent la planète : l’urgence climatique, le vieillissement des populations, la « déglobalisation », les déplacements des populations, les guerres, les pandémies, la crise des inégalités, de l’éthique et des démocraties. Ces bouleversements interpellent les universitaires et c’est pourquoi leur communauté doit adopter une raison d’être et ainsi renouveler leur mission afin des mieux répondre à ces enjeux de la civilisation. Cette communauté doit non seulement se doter d’une vision et des modes de fonctionnement adaptés aux nouvelles réalités liées aux technologies numériques, mais elle doit aussi tenir compte de ces grands bouleversements. Tout ceci l’oblige à s’intégrer à des écosystèmes où les connaissances sont partagées et où de nouvelles compétences doivent être rapidement acquises. Le but de ce texte est de mieux cerner l’ampleur du défi que pose le monde numérique au milieu universitaire et de proposer quelques idées pouvant alimenter la réflexion des universitaires dans cette démarche d’adaptation au monde numérique. Or, ma conviction la plus profonde c’est que la révolution numérique aura des impacts sur nos sociétés et notre civilisation aussi grands que ceux provoqués par la découverte de l’imprimerie et son industrialisation au 15e siècle. C’est pourquoi la première section de ce document est consacrée à un rappel historique de la révolution de l’imprimerie par Gutenberg alors que la deuxième section illustrera comment les caractéristiques de la révolution numérique viennent soutenir cette conviction si profonde. Une troisième section fournira plus de détails sur le défi d’adaptation que le monde numérique pose aux universités alors que la quatrième section évoquera les contours du changement de paradigme que cette adaptation va imposer. La cinquième section servira à illustrer un scénario de rêves qui permettra de mieux illustrer l’ampleur de la gestion du changement qui guette les universitaires. La conclusion permettra de revenir sur quelques concepts et principes clefs pour guider la démarche vers l’action. L’université ne peut plus « être en haut et seule », elle doit être « au centre et avec » des écosystèmes de partenariats multiples, dans un modèle hybride physique/virtuel. C’est ainsi qu’elle pourra conserver son leadership historique de vigie du savoir et des connaissances d’un monde complexe, continuer d’établir l’authenticité des faits et imposer la nécessaire rigueur de la science et de l’objectivité.