L’interaction homme-robot est un domaine qui en est encore à ses balbutiements. Les développements se sont avant tout concentrés sur l’autonomie et l’intelligence artificielle et doter les robots de capacités avancées pour exécuter des tâches complexes. Dans un proche avenir, les robots développeront probablement la capacité de s’adapter et d’apprendre de leur environnement. Les robots ont confiance, ne s’ennuient pas et peuvent fonctionner dans des environnements hostiles et dynamiques - tous des attributs souhaités à l’exploration spatiale et aux situations d’urgence ou militaires. Ils réduisent également les coûts de mission, augmentent la flexibilité de conception et maximisent la production de données. Cependant, lorsqu’ils sont confrontés à de nouveaux scénarios et à des événements inattendus, les robots sont moins performants par rapport aux êtres humains intuitifs et créatifs (mais aussi faillibles et biaisés). L’avenir exigera que les concepteurs de mission équilibrent intelligemment la souplesse et l’ingéniosité des humains avec des systèmes robotiques robustes et sophistiqués. Ce travail de recherche propose un cadre formel, basé sur la théorie de jeux, pour une équipe de drones qui doit coordonner leurs actions entre eux et fournir à l’opérateur humain des données suffisantes pour prendre des décisions « difficiles » qui maximisent l’efficacité de la mission, selon certaines directives opérationnelles. Notre première contribution a consisté à présenter un cadre décentralisé et une fonction d’utilité pour une mission de patrouille avec une équipe de drones. Ensuite, nous avons considéré l’effet de cadrage, ou « framing effect » en anglais, dans le contexte de notre étude, afin de mieux comprendre et modéliser à terme certains processus décisionnels sous incertitude. Ainsi, nous avons réalisé deux expérimentations avec 20 et 12 participants respectivement. Nos résultats ont révélé que la façon dont le problème a été présenté (effet de cadrage positif ou négatif), l’engagement émotionnel et les couleurs du texte ont affecté statistiquement les choix des opérateurs humains. Les données expérimentales nous ont permis de développer un modèle d’utilité pour l’opérateur humain que nous cherchons à intégrer dans la boucle décisionnelle du système homme-robots. Enfin, nous formalisons et évaluons l’ensemble du cadre proposé où nous "fermons la boucle" à travers une expérimentation en ligne avec 101 participants. Nos résultats suggèrent que notre approche permet d’optimiser le système homme-robots dans un contexte où des décisions doivent être prises dans un environnement incertain.

Les capteurs d'images sont utilisés dans diverses applications spatiales : observation spatiale, calcul d'attitude etc. Ces capteurs évoluent dans l’environnement spatial dont les rayonnements entraînent une dégradation de leurs performances. Parmi les paramètres impactés, nous nous intéressons au courant d'obscurité des pixels. Ce courant parasite correspond à la génération de porteurs de charges sans lumière par simple excitation thermique, induisant l'augmentation du bruit de fond des images. Les pixels fortement dégradés sont particulièrement pénalisants pour les missions spatiales. Cet effet pousse donc la communauté spatiale à développer des méthodes de prédiction performantes. L'ONERA a développé une méthode originale de prédiction des courants d'obscurité basée sur la méthode de Monte Carlo et la librairie GEANT4. L’objectif de la thèse est d’améliorer la prédiction de l’outil. Dans un premier temps, nous avons modifié l'outil numérique pour des cas extrêmes de modélisations pour lesquels les modélisations Monte Carlo sont trop longues. Pour cela, nous avons développé des méthodes utilisant des simplifications statistiques. Dans un second temps, nous avons étudié l’influence de la géométrie du pixel sur le courant d'obscurité. L’idée est de suivre les cascades de dégradations générées par les particules spatiales et de déterminer si ces cascades restent confinées au sein du pixel impacté ou si elles se propagent dans les pixels voisins. Enfin, nous avons élaboré dans notre outil un modèle simulant les mécanismes liés au champ électrique potentiellement responsables des dégradations les plus élevées, les effets Poole-Frenkel et tunnel assisté par phonons.

Nous proposons dans cette thèse d’étudier une méthode d’imagerie qui s’adapte à la scène étudiée en utilisant des états polarimétriques choisis sur critères physiques pour optimiser le contraste polarimétrique en 2 zones aux propriétés polarimétriques différentes. En prenant en compte le bruit de Grenaille du détecteur, cette nouvelle technique d’imagerie à 2 canaux nommée APSCI montre un gain en contraste quantifié par la distance de Bhattacharyya pouvant atteindre un facteur 10 par rapport à l’imagerie de Mueller. D’autre part, elle utilise la totalité de l’information polarimétrique de la scène pour générer une seule image au contraste optimum ce qui la rend particulièrement performante pour distinguer deux zones aux propriétés polarimétriques légèrement différentes. La solution analytique complète de ce problème est proposée au chapitre suivant avec des illustrations associées. Le modèle proposé permet, en plus d’une interprétation physique, de quantifier les performances limites de la méthode APSCI en fonction des matrices de Mueller des 2 objets à discerner. Le chapitre suivant est consacré à l’étude des performances de cette méthode soumise au bruit optique de tavelure de cible. Les simulations numériques montrent que les performances de cette méthode en terme de contraste polarimétrique restent relativement robustes et souvent très supérieures à celles obtenues par l’imagerie de Mueller classique. Le dernier chapitre consiste à décrire l’implémentation expérimentale nécessaire à l’adaptation d’un imageur de Mueller en imageur APSCI en vue d’obtenir un imageur hybride Mueller/APSCI. La méthode APSCI nécessite de pouvoir utiliser en émission et en projection lors de la détection.