Détection d’émotions dans la voix de patients en interaction avec un agent conversationnel animé (Emotions detection in the voice of patients interacting with an animated conversational agent) [in French]

Actes de la conférence conjointe JEP-TALN-RECITAL 2012, volume 1: JEP, pages 137–144, Grenoble, 4 au 8 juin 2012. c ⃝2012 ATALA & AFCP Détection d'émotions dans la voix de patients en interaction avec un agent conversationnel animé Clément Chastagnol 1,2 Laurence Devillers 1,3 (1) LIMSI-CNRS (2) Université Paris-Sud Orsay (3) GEMASS, Université Paris-Sorbonne 4 cchastag@limsi.fr, devil@limsi.fr RÉSUMÉ Le projet français ANR ARMEN a pour objectif de construire un robot assistant pour les personnes âgées et handicapées. L’interaction avec le robot est réalisée avec un agent conversationnel animé (ACA), le robot est une plateforme mobile. Ce travail se concentre sur la construction du module de détection d'émotions du système robotique. A cette fin, des données ont été collectées auprès de 77 patients de plusieurs centres médicaux. L'interaction avec les sujets était presque entièrement conduite de manière naturelle en parlant avec l'agent virtuel. La difficulté spécifique de ce projet réside dans la grande variété de voix (âgées, dégradées) et de comportement affectif des utilisateurs. Nos premiers résultats montrent un score de 46% de bonne détection sur quatre classes émotionnelles (Colère, Joie, Tristesse, Neutre). Nous analysons ces scores selon l'âge et la qualité vocale. ABSTRACT Emotions detection in the voice of patients interacting with an animated conversational agent The French ARMEN ANR-funded project aims at building an assistive robot for elderly and disabled people We focus in this paper on the emotion detection module for this robot. The interaction is almost entirely conducted in a natural, spoken fashion with a virtual agent. 77 patients have participated to the data collection. The specific difficulty in this project lies in the large variety of user voices (elderly, damaged) and affective behaviors of the patient. Our first results show 46% of good emotion detection on four classes (Anger, Joy, Neutral and Sadness). We first try to analyze the differences due to age and voice quality. MOTS-CLÉS : robot assistant, détection d'émotions spontanées, qualité vocale KEYWORDS : assistive robot, spontaneous emotions detection, vocal quality 1. Introduction Les machines et les ordinateurs ont vocation à devenir de plus en plus sociales et tournées vers l'utilisateur humain. Les récents développements dans les domaines des robots d'assistance et des interfaces Homme-Machine ont conduit à la prédiction de "robots sociaux" (social assistive robots). Le terme a été proposé par Feil-Seifer et Mataric (Feil-Seifer et Mataric, 2005) et définit une machine conçue pour deux objectifs : soutenir et aider physiquement des personnes en situation de handicap moteur et proposer une interaction sociale à l'utilisateur, en général dans le cadre d'une tâche bien 137 délimitée (rééducation, coaching...). Alors que la manipulation d'objets réels rend nécessaire la présence physique d'un robot, le rôle social peut être assuré par un Agent Conversationnel Animé (ACA) affiché sur un écran. Beaucoup d'efforts ont été mis dans le développement de robots assistants, en particulier à destination des personnes âgées (Graf et al., 2002). Les robots sociaux sont plus récents et ils ont notamment été mis en application pour la thérapie d'enfants autistes (Robins et al., 2005). Enfin, la …

Content truncated to 500 words