Résumé technique : Le rôle de la variabilité dans l'expérience d'interaction homme-machine

Énoncé du problème

L'interaction physique homme-machine (pHMI) évolue de plus en plus vers une collaboration étroitement intégrée où les humains et les machines échangent des forces physiques pour accomplir des tâches partagées. Bien que les stratégies conventionnelles de contrôle partagé et d'assistance haptique optimisent efficacement la performance objective de la tâche, elles reposent généralement sur des modèles humains déterministes qui ignorent la nature stochastique du comportement moteur humain. Plus précisément, ces systèmes suppriment souvent la variabilité naturelle du mouvement, la traitant comme un bruit à minimiser plutôt que comme une caractéristique structurée du contrôle moteur.

L'article soutient que la contrainte systématique de la variabilité non pertinente pour la tâche peut altérer les contingences sensorimotrices par lesquelles les utilisateurs génèrent des prédictions et attribuent les résultats de leurs actions. Ce décalage entre le modèle interne du contrôleur et les statistiques de mouvement naturelles de l'utilisateur pourrait dégrader le sentiment d'agence de l'utilisateur, la convivialité perçue et l'expérience globale d'interaction, même si la performance de la tâche reste élevée. Malgré le rôle établi de la variabilité structurée dans le contrôle moteur, son impact spécifique sur l'expérience d'interaction humaine dans les systèmes pHMI étroitement couplés n'a pas été exploré empiriquement.

Méthodologie

Conception expérimentale

L'étude a utilisé un plan intra-sujet avec 41 participants effectuant une tâche haptique de point à point physiquement couplée. La variable indépendante était le mode d'interaction, composé de trois conditions :

1. noSup (Pas de support) : Une condition de base sans automatisation, capturant les schémas de mouvement humain naturels.
2. lowVar (Variabilité contraignante) : Un mode de contrôleur conventionnel conçu pour minimiser la variabilité globale du mouvement.
3. highVar (Respectueuse de la variabilité) : Un nouveau mode de contrôle optimal respectant la variabilité humaine (HVROC), conçu pour préserver les schémas de variabilité du mouvement humain dans les dimensions non pertinentes pour la tâche tout en maintenant la précision de la tâche.

Implémentation du système

• Matériel : Un bras robotique KUKA LBR ii-wa 14 R820 équipé d'un capteur d'effort (force-couple) a servi d'interface haptique.
• Simulation : Le robot était virtuellement couplé à un système de masse ponctuelle simulé (dynamique masse-amortisseur) dans un espace de travail en 2D.
• Logique de contrôle : L'automatisation appliquait des entrées de force additives basées sur une loi de commande par rétroaction d'état.
  • Le mode lowVar utilisait une solution HVROC stationnaire avec des gains de rétroaction élevés ($L_p = L_d = 150$) pour amortir agressivement les écarts.
  • Le mode highVar employait une programmation de gain dépendant de l'erreur de position. Il utilisait des gains initiaux plus faibles ($L_p=75, L_d=20$) pour permettre la variabilité naturelle pendant la phase de mouvement, augmentant les gains linéairement uniquement à mesure que le système approchait de la cible ($e < 1/3 e_{start}$) pour assurer une décélération stable.
• Tâche : Les participants ont effectué 82 mouvements dans quatre directions, équilibrant vitesse et précision. L'automatisation n'était activée que lorsque la force appliquée par l'humain dépassait 5 N afin d'isoler les effets de la stratégie de contrôle des délais de temps de réaction.

Mesures

• Métriques comportementales :
  • Variabilité non pertinente pour la tâche : Mesurée comme la variance positionnelle maximale ($V_{max}^y$) orthogonale à la direction du mouvement pendant la phase de mouvement intermédiaire.
  • Performance de la tâche : Mesurée via le temps de stabilisation, l'erreur à l'extrémité et la variance à l'extrémité dans la zone cible.
• Métriques d'expérience d'interaction :
  • Sentiment d'agence : Contrôle perçu sur les actions et les résultats.
  • Auto-efficacité : Croyance en sa propre capacité à accomplir la tâche.
  • Flow (État de flux) : État d'engagement focalisé.
  • Convivialité (Usability) : Évaluée via le questionnaire QUEAD, incluant les sous-échelles de l'utilité perçue, de la facilité d'utilisation et de la réponse émotionnelle.

Contributions clés

1. Investigation empirique de la structure de la variabilité : L'étude fournit la première preuve empirique concernant la relation causale entre la variabilité du mouvement non pertinente pour la tâche et l'expérience d'interaction humaine dans les systèmes pHMI étroitement couplés.
2. Implémentation de l'HVROC : L'article démontre la faisabilité d'un contrôleur optimal conscient de la variabilité qui manipule explicitement la variabilité non pertinente pour la tâche sans compromettre la performance pertinente pour la tâche.
3. Découplage de la performance et de l'expérience : La recherche établit que les stratégies de contrôle peuvent être fonctionnellement équivalentes en termes de succès objectif de la tâche tout en étant expérientiellement distinctes.

Résultats

Performance de la tâche

• Manipulation de la variabilité : Le mode highVar a réussi à préserver significativement plus de variabilité non pertinente pour la tâche ($M=0,65 \times 10^{-4} m^2$) par rapport au mode lowVar ($M=0,33 \times 10^{-4} m^2$), bien que les deux soient inférieurs à la ligne de base noSup ($M=1,11 \times 10^{-4} m^2$).
• Succès de la tâche : Les deux modes assistés (lowVar et highVar) ont surpassé significativement la ligne de base noSup en termes de temps de stabilisation, d'erreur à l'extrémité et de variance à l'extrémité.
• Équivalence : Crucialement, il n'y avait aucune différence significative dans la performance pertinente pour la tâche (temps de stabilisation, erreur à l'extrémité ou variance à l'extrémité) entre les modes highVar et lowVar. Cela confirme que préserver la variabilité naturelle ne se fait pas au détriment de la performance objective de la tâche.

Expérience d'interaction humaine

• Expérience générale : Les deux modes assistés ont produit des scores significativement plus élevés pour le sentiment d'agence, l'auto-efficacité, le flow et la convivialité par rapport à la ligne de base noSup.
• Impact de la variabilité : Bien que l'agence, l'auto-efficacité et le flow ne diffèrent pas significativement entre les deux modes assistés, la convivialité était significativement plus élevée dans la condition highVar par rapport à lowVar.
• Analyse des sous-échelles : L'amélioration de la convivialité pour highVar était principalement portée par des scores significativement plus élevés en facilité d'utilisation perçue et une tendance positive dans la réponse émotionnelle. L'utilité perçue, qui est corrélée au succès de la tâche, ne présentait aucune différence significative entre les modes assistés.

Signification et affirmations

L'article affirme que la préservation de la variabilité structurée du mouvement, bien que non pertinente pour la tâche, est un principe de conception critique pour la pHMI centrée sur l'humain. Les conclusions suggèrent que :

• L'expérience est distincte de la performance : Les politiques de contrôle peuvent être expérientiellement distinctes même si elles produisent des résultats objectifs de tâche identiques.
• Amélioration de la convivialité : Le contrôle conscient de la variabilité améliore la convivialité perçue, spécifiquement la « facilité d'utilisation » et la qualité émotionnelle de l'interaction, probablement en alignant la dynamique du système avec les modèles moteurs internes et les prédictions sensorimotrices naturelles de l'utilisateur.
• Implications de conception : Pour les systèmes étroitement couplés, notamment dans des domaines comme la santé et la réadaptation où l'acceptation à long terme est vitale, les stratégies de contrôle ne doivent pas seulement minimiser l'erreur, mais doivent respecter la structure statistique du mouvement humain. Cette approche permet un soutien robuste à la tâche tout en préservant le rôle actif et auto-attribué de l'utilisateur dans la collaboration.

Les auteurs concluent que le contrôle conscient de la variabilité doit être considéré non pas comme un raffinement optionnel, mais comme un principe de conception délibéré pour atteindre à la fois l'efficacité et la qualité d'interaction durable dans les systèmes homme-machine.