1 2 3 4 suivant

Lundi 22 janvier 2007

Premiers mots

En nous fixant pour objectif une journée "Art et autonomie" pour la rentrée, nous avons placé très haut la barre de nos ambitions. Les deux mots font l'objet d'une littérature considérable, sont très difficiles à définir, et leur simple évocation fait naître des débats passionnés.

Mais nous, algoristes, avons une chance. Une double chance.

- Comme artistes, il nous importe essentiellement de créer "du beau", d'aboutir à des oeuvres significatives. Si le plaisir esthétique est au bout de l'effort, peu importe le consensus sur les prémisses.

- Comme créateurs d'algorithmes, nous sommes des explorateurs, des expérimentateurs. Là où les philosophes courent le risque d'opposer indéfiniment des discours abstraits, nous pouvons traduire nos propositions en lignes de code efficaces.

Il nous reste huit mois pour faire pousser les fleurs et composer le bouquet.

Pierre Berger

Par les-algoristes
Ecrire un commentaire - Voir les 0 commentaires - Recommander

Mercredi 31 janvier 2007

VIE ARTIFICIELLE ET CRÉATION ARTISTIQUE

Michel BRET
Professeur à l'Université PARIS 8
Mars 2000

Introduction

         J'ai lu le livre d'Edmond Couchot, La technologie dans l'art, comme un roman, de la première à la dernière page: Il nous entraîne dans une gigantesque visite guidée des courants artistiques du siècle dernier, dans un grand voyage au cours duquel on comprend mieux, non seulement les époques traversées, mais encore, et surtout, la période actuelle, l'art d'aujourd'hui.

         Il se dégage de ce texte une forte impression de continuité, l'exposé d'une progression (et non pas d'un progrès) est toujours préféré à la soi-disante explication par des mouvements révolutionnaires, chaque phase nouvelle n'étant qu'une conséquence de courants antérieurs: C'est Delacroix et la photographie avant les Impressionnistes, c'est l'Abstraction née par opposition au réalisme cinématographique, c'est le Cubisme issu d'un dépassement de la Perspective du Quatroccento, c'est l'invention de l'éléctricité produisant le Futurisme, et c'est enfin le développement de l'Informatique, à la suite de la Cybernétique, qui fait naître l'Art Numérique.
         Mais, en même temps, ce déroulement continu est entrecoupé de ruptures radicales, cette continuité n'est plus géométrique mais fonctionnelle: C'est telle catastrophe qui explique telle renaissance. Et cette contradiction entre continuité et rupture n'est pas sans rappeler les processus même de la nature qui fait évoluer continuement les espèces par une succession de remises en cause radicales gommant des pans entiers de la vie pour la faire renaître ensuite de plus belle.

1) Vivant et artificiel

Je commencerai par reprendre l'opposition JE/ON que l'on trouve en préambule, dès l'introduction, et qui semble jouer un si grand role dans le livre. Si je l'ai bien comprise, cette opposition recouvre, entre autre, celle de la subjectivité, chère au Romantisme, avec un certain matérialisme inhérent à la technique. L'automatisation de certaines techniques artistiques (la mise en perspective était déjà un algorithme, la photographie proposait une systématisation de la représentation) oblige le JE à se déplacer, à quitter une subjectivité égoïste, à se complexifier en un double sujet, à la fois JE et ON, à quitter le lieu plat d'une autosatisfaction stérile pour gagner un espace de développement plus libre. Cette transformation a lieu précisément au moment où la Cybernétique, avec Wiener, transgressant le dualisme corps-esprit hérité de Descartes, confère aux automates des propriétés de rétroaction puis, plus tard avec John Von Neumann, d'autoreproduction, propriétés proches de celles que l'on constate chez le vivant. Non seulement le sujet, mais encore ce par quoi il existe, à savoir la vie, étaient sommés de se redéfinir. Dès lors les machines prétendent à l'intelligence (avec l'Intelligence Artificielle) et même au status d'être vivant (avec la Vie Artificielle). Le sujbjectif n'est plus une caractéristique de l'humain mais devient une propriété émergente de systèmes complexes naturels ou artificiels. Avec Changeux [CHANGEUX 89], il ne faut plus parler de frontière entre matière et esprit, mais plutôt d'un nouveau paysage duquel émergeraient ces notions. Depuis Holland dans les années 60 et Koza dans les années 90, la Théorie Darwinienne de l'Évolution s'applique à des populations d'êtres artificiels: Non seulement le sujet, mais le genre humain ne devra-t-il pas se redéfinir ?

Le vivant est-il une machine (comme le pensait Descartes), la machine peut-elle être vivante (comme le suggère la Cybernétique) ? Cette double interrogation en forme de contradiction ne peut être résolue qu'en reformulant certains concepts fondamentaux. Interessons nous d'abord aux méthodes de la pensée:

2) Méthodes de pensées

         La Méthode Analytique est une approche réductionniste qui part d'un tout que l'on postule exister à priori, décompose cette totalité en éléments plus simples et propose enfin une explication globale par assemblage des propriétés particulières de ces éléments. Cette méthode, qui a donné les preuves de son efficacite, ne convient pas à l'étude de phénomènes émergents. Couramment utilisée aujourd'hui, y compris par la science et la technologie, elle montre cependant ses limites dès lors qu'on cherche à l'appliquer à des domaines sortant du champ de la perception immédiate (comme la physique des particules) ou d'une complexité dépassant notre entendement (comme la vie).
         Le Holisme (du grec holos "tout"), au contraire, fait des interactions entre les parties d'organismes complexes la cause de l'émergence de phénomènes nouveaux qu'une analyse n'aurait pas permi de prévoir.
         Le Structuralisme, ensuite, nous a habitué à considerer le tout comme étant plus que la somme de ses parties.
         L'Émergentisme, issu de ces deux courants, est une alternative aux méthodes d'analyse traditionnelles. Synthétique, elle assemble au lieu de disséquer. Elle permet de rendre compte de l'émergence de propriétés que chaque élément ne possède pas et qui ne résulte pas de leur simple combinaison.
         D'où le succès des approches pluridisciplinaires des phénomènes complexes prenant en compte plusieurs niveaux d'organisation, chacun étant déterminé par le niveau supérieur.

3) Peut-il y avoir une pensée artificielle ?

         La pensée artificielle est un concept dejà ancien. C'est Norbert Wiener qui, dès 1947 [WIENER 47], définit la Cybernétique comme le contrôle du comportement d'un système, ce qui contenait en germe les concepts d'information, d'automate et de réseau.
         Allan Turing, avec son ouvrage "Intelligent Machinery" [TURING 48] définit les concepts de machine universelle et de réseaux d'automates. L'ordinateur est conçu comme une sorte de métamachine pouvant émuler n'importe quelle autre machine, y compris celles qui la dépasseront un jour. À la fin des années 50 John Von Neumann [VON NEUMANN 58] construit les premiers automates autoreproducteurs et en 1986 Christopher Langton [LANGTON 84] définit les automates cellulaires autoreproducteurs. Ces recherches montrent que la principale propriété du vivant, à savoir l'autoreproduction, est explicable en termes d'interactions d'éléments simples et que cette propriété peut être simulée indépendamment de toute réalisation physique: La Vie Artificielle etait née [HEUDIN 94].
         Mais, avant de parler de vie artificielle, demandons-nous ce qu'est le vivant:

         Selon le Vitalisme d'Aristote le vivant se distingue de la matière par la présence d'une "force vitale". Pour Descartes et le Mécanisme, au contraire, l'être vivant est comme une machine. Aujourd'hui on éprouve des difficultés à définir le vivant. Pour la Biologie traditionnelle la notion de vie est intimement liée à celle de son support (des molécules carbonnées) et aux réactions physicochimiques qui s'y déroulent, ce qui traduit très bien la vie telle que nous la connaissons sur Terre, mais ne dit rien de ce que pourrait être une autre forme de vie ailleurs dans l'espace et dans le temps.
         Cependant on peut caractériser un être vivant par un certain nombre de propriétés, parmi lesquelles:
         1) L'homéostasie (du grec homeos qui signifie "même" et statis, "rester") qui est la faculté de conserver un équilibre et une cohérence face à des perturbations extérieures grâce à des mécanismes internes de rétroaction.
         2) Il contient une description de lui-même lui permettant de s'autoreproduire.
         3) Évolution ontogénétique (de l'individu) et phylogénétique (de l'espèce).
         Un système vivant apparaît comme une structure complexe, rebouclée sur elle-même, conservant sa stabilité et capable de s'autoreproduire. C'est un système défini par son organisation, c'est à dire en termes de relations entre ses composants, indépendamment des propriétés de ceux-ci.
         Un système autopoiétique (du grec autos qui signifie soi, et poiein, produire) produit sa propre identité en se distinguant de son environnement par remplacement continuel de ses composants, et est capable de s'autoreproduire. Si, avec Varela [VARELA 1989], on redéfinit la vie à partir de l'autopoiése, plus rien alors n'empêche une machine (qui manifesterait de tels comportements) d'être declarée vivante.

4) Le Connexionnisme

L'opposition Vie Artificielle/Vie Naturelle recouvre celle, plus ancienne, d'Intelligence Artificielle/Intelligence Naturelle. L'I.A. avait pour but de simuler les comportements humains intelligents sur ordinateur, elle n'a pas tenu ses promesses car elle était partie sur des bases qui se sont revélées erronées: Il s'agissait de manipuler du symbolique, à l'image de l'idée que l'on se faisait du fonctionnement du cerveau. Mais les récentes avancées en matière de Neurobiologie, en descendant au niveau du fonctionnement le plus élémentaire des neuronnes, ont, paradoxalement, ouvert des voies nouvelles à la compréhension des fonctions les plus évoluées du cerveau: Le connexionnisme était né. Il repose sur la notion d'émergence, extension de l'idée introduite par le Holisme et le Structuralisme selon laquelle le tout est plus que la somme de ses parties. Plus précisemment un réseau interconnécté de neuronnes (naturels ou artificiels) a la propriété de s'autoconfigurer lors de phases d'apprentissage. Une application importante est la résolution de problèmes très difficiles dont on ne connaît aucune solution, de problèmes qui n'ont pas de solution, ou même de problèmes mal posés: On construit un réseau neuronal, machine (réelle ou virtuelle), que l'on met en présence du problème sur un mode interactif, sous la forme d'exemples que le réseau apprend, par essais/erreur, en s'autoconfigurant de façon à répondre de mieux en mieux. Un tel réseau présente la propriété très étonnante de pouvoir généraliser son apprentissage à des exemples non appris (tout comme un enfant apprend la syntaxe de sa langue maternelle en écoutant puis en produisant des exemples de phrases, et arrive à se forger ainsi des concepts abstraits, il en va de même pour un réseau neuronal artificiel).

5) L'Évolutionnisme

Les réseaux neuronaux simulent le système nerveux d'individus artificiels. Et la question s'est posée de leur construction, c'est à dire de leur naissance, donc de l'évolution d'une population de tels individus. S'inspirant de la théorie Darwinienne de l'Évolution par la Sélection Naturelle [DARWIN 1859], John Holland [HOLLAND 62, 75] développa en 1962 les Algorithmes Génétiques à l'Universite du Michigan. Son but était de mettre en évidence et d'expliquer rigoureusement les processus d'adaptation des systèmes naturels et de concevoir des systèmes artificiels possédant certaines propriétés des systèmes naturels. Cette approche a permis une meilleure compréhension à la fois des systèmes naturels et des systèmes artificiels [GOLDBERG 94]. Il s'agit de faire évoluer des populations d'êtres artificiels par croisement et mutation en optimisant une certaine fonction d'évaluation. Par exemple pour résoudre un problème dont on a pas la moindre idée de la solution, on construit toute une population de petites solutions approchées, toutes fausses. Puis on leur permet de se multiplier en favorisant la survie de celles qui répondent le moins mal au problème. Au bout de quelques générations la sélection travaille sur des solutions qui répondent le mieux au problème et après de nombreuses régénérations on peut trouver des solutions qui résolvent le mieux possible le problème. Et ce resultat a été obtenu sans connaître ni la solution ni même l'alogorithme de résolution.

6) L'Art et la Vie Artificielle

         Abraham Moles [MOLES 71] part de la Théorie de l'Information pour définir une "information esthétique" (de type symbolique) par opposition à une "information sémantique" (codée et transmissible). La quantité d'information, corrélée à l'imprévisibilité du message, permettrait de mesurer aussi bien une oeuvre d'art qu'un texte scientifique. À cette conception, qui fait de la Théorie de l"information un système universel unifiant toute pensée, on oppose ajourd'hui une pensée que l'on pourrait qualifier de "multiple" ou de "plurielle", illustrée par la Physique Quantique qui, en reconnaissant la double structure corpusculaire et ondulatoire de la matière, s'accomode d'une contradiction pour expliquer le réel. Mais cette contradiction n'a lieu que dans le champ d'une compréhension intuitive des lois qui régissent notre monde (les lois de NEWTON) reposant sur nos perceptions sensorielles. Ces dernières resultent de l'évolution par sélection naturelle: La survie de l'espèce humaine dépendait de ces perceptions qui servaient à échapper aux prédateurs ou à chasser. Pour les hommes préhistoriques quel aurait été l'avantage de comprendre le comportement des particules élémentaires (qui d'ailleurs n'avaient pas d'existence pour eux) ? Aujourd'hui il en va tout autrement puisque la mécanique quantique est à la base de nombreux progrès techniques (comme les télécomminications ou les ordinateurs) dont dépend notre survie.
         Umberto ECO définit une esthétique de l'exploration du champ des possibles, complêtant l'esthétique combinatoire de MOLES, lui faisant accéder à un hypothétique éventuel dont le caractère infini ne peut être exploré qu'avec le recours à un "tirage aléatoire". Mais il est bien connu que ce n'est pas une bonne stratégie que de jouer au Loto pour faire fortune même si, exceptionnellement, celà peut réussir. Le hasard peut être guidé, et la Nature nous en offre un bel exemple en la personne de la reproduction sexuée. Selon la Théorie de l'Évolution de Darwin, une population qui mélange ses gènes au hasard pour se reproduire, évolue positivement si elle favorise la survie de ses membres les plus aptes, car ceux-ci passeront à leur descendance des combinaisons qui réussissent. Les mutations aléatoires permettent de ne pas limiter le choix à une solution optimale locale (une "élite") mais autorise toute expérience, même si elle est vouée à un échec certain.
         L'introduction de la Vie Artificielle dans la création artistique repose la question de l'interactivité: Classiquement conçue comme relation d'un humain avec une machine réactive, un dialogue avec un système qui, même s'il est "intelligent", n'en reste pas moins fondamentalement autre, car privé de conscience. Je ne sais pas si l'on peut parler de subjectivité à propos des machines, mais du moins assiste-on à l'émergence d'un nouveau type de perception: Celle d'une réalite (réelle ou virtuelle) par un organisme artificiel. Dès lors qu'elle est munie de capteurs et de capacités d'abstraire (sous forme d'informations circulant dans des réseaux de neurones), dès lors qu'elle est munie d'actuateurs lui permettant de s'exprimer, et si, de plus, elle est capable de s'autoreproduire, la machine remplit les conditions de l'autopoiése et accède ainsi au statut de vivant. La relation du créateur à son oeuvre change alors radicalement de régistre: Ce n'est plus celle d'un être supérieur contrôlant de la matière, mais bien de deux êtres vivants dialoguant d'égal à égal.
         Dans cet ordre d'idées Karl SIMS a construit des êtres artificiels qui sont capables d'apprendre à marcher, à sauter, à nager dans un environnement physique simulé et, ce faisant, ils découvrent des strategies naturelles, d'autres qu'aurait pu inventer la nature, d'autres encore complêtement inimaginables mais qui, toutes, font preuve d'une remarquable efficacité.
         Michael TOLSON montre une population d'êtres artificiels alimentés par le spectateur, et luttant pour survivre.
         Pour ma part j'ai développé des programmes à base de réseaux neuronaux et d'algorithmes génétiques pour contrôler des corps se comportant interactivement avec un environnement artificiel. Je développe actuellement, en collaboration avec Marie Hélène Tramus, une implémentation temps réel de ces idées pour réaliser des intallations artistiques "intelligentes".
         Dans ces différentes productions, il n'y a pas de scénario, pas de trame narrative, il ne s'agit pas de raconter une histoire qui serait arrivée, mais de faire vivre des êtres artificiels dont les comportements dépendent de leur interaction, soit avec un environnement artificiel (interactivité endogène) soit avec un environnement réel (interactivite exogène).

7) Quelques réflexions

         À la lumière de ces idées je vais reprendre quelques questions qui ont été soulevées dans les conférences précédentes:

         Alain Renaud avait affirmé avec force la nécessité d'une certaine "volonté d'art" face à un numérique désincarné ou contrôlé par les forces de l'industrie et du marché. Ce à quoi Edmond Couchot avait repondu par une question: "Comment réintroduire du sensible avec de l'intelligible ?". Je parlerais, pour ma part, de "désir d'art" et, en matière d'amour et de désir, quelle instance plus belle que la vie peut-on invoquer ? En l'occurrence les Algorithmes Génétiques nous entraînent sur les chemins de la création (au sens fort du terme), tout à la fois sous une forme sensible (disons intuitive) et automatisable (disons intelligible) par des systèmes artificiels, programmes ou machines, réels ou virtuels. L'interface artiste-machine ne passe plus alors par une nécessaire formalisation abstraite (en termes d'algorithmes) mais permet un dialogue direct de l'être-artiste avec l'être-machine sur le mode du vivant.

         Je voudrais aussi évoquer une inquiétude qui se manifeste souvent (aussi bien au niveau du profane que du spécialiste, je pense en particulier à Paul Virilio) à propos d'une technologie envahissante et qui se traduit par une certaine diabolisation du progrès technique au nom d'une "naturalité" de l'humain. Il est certain que, si la technique évolue très rapidement, le cerveau humain, lui, n'a absolument pas changé à l'echelle de nos civilisations et qu'il se trouve confronté à un monde artificiel de plus en plus complexe et qu'il semble comprendre de moins en moins bien. Mais ne faudrait-il pas revoir l'opposition naturel/artificiel: Ne voit-on pas là plutôt l'effet d'une évolution, dont le corolaire serait une adaptation. J'enseigne les nouvelles technologies dans l'art depuis plus de quinze ans, ce qui est une période ridiculement petite à l'echelle de l'humanité, mais non négligeable à l'echelle de l'évolution des techniques, et j'ai pu constater une modification de l'approche qu'en ont les étudiants: Chaque année je peux observer les comportements de cerveaux neufs confrontés à différents stades d'une technologie en constante évolution, et je constate une certaine forme d'adaptation. Celle-ci se traduit, non pas par la compréhension rationnelle des concepts à la base de ces nouvelles technologies, mais par un réarrangement de comportements anciens qui, déconnectés de leurs significations premières, font preuve d'une remarquable adaptabilité. Une telle adaptation permet une interaction "opérationnelle" (c'est à dire en action) et l'émergence de concepts nouveaux. Et ce qui est positif, ce n'est pas ces comportements, somme toute assez archaïques, mais leur potentialité illimitée d'adaptation. La technologie est un résultat de l'évolution, à la fois cause et conséquenece d'une nécessaire adaptation. Par exemple le comportement de l'internaute moyen est très étonnant en ceci qu'il utilise des stratégies classiques de parcours linéaires pour explorer le monde fondamentalement parallèle des réseaux et qu'il s'en sort très bien... Des étudiants, qui n'ont aucune notion de programmation, arrivent à construire des outils sophistiqués par de simples "couper-coller" et naviguent, très à l'aise, dans des systèmes dont la complexité dépasse de très loin leurs connaissances techniques.

7) Exemples d'oeuvres inspirées de la Vie Artificielle

         Je vais maintenant présenter 2 films illustrant l'application artistique que j'ai faite de ces idées:
         Dans le premier, CAHINCAHA, qui date de 1997, j'utilise des méthodes comportementales pour construire et faire se comporter un organisme complexe, en l'occurrence un corps féminin. Celui-ci est défini par une hiérarchie de niveaux emboités: Le squelette, les muscles, les graisses et les organes, enfin une peau, inspirés de l'anatomie du corps humain [RICHER 96] et des résultats de la biomécanique. Des comportements programmés font de ce corps un "acteur" capable d'interagir avec un environnement physique simulé: En l'occurrence une mer agitée sur laquelle il fait du monocycle. Des modèles dynamiques contrôlent aussi bien l'environnement que l'acteur qui interagissent.
         Le deuxième film, SUZANNE, réalisé en 1999, illustre l'application du connexionnisme à la synthèse. Au corps précédent, qui agissait comme un robot préprogrammé, j'ai adjoint un "cerveau" artificiel sous la forme d'un réseau neuronal [ABDI 94]. Ici point de comportements prédéfinis, mais un organisme capable de s'autoconfigurer lorsqu'il est mis en présence d'un environnement: Le corps et le le décor sont agités par des champs de forces générés par la musique, et interagissent dynamiquement.

BIBLIOGRAPHIE

Hervé ABDI Les réseaux neuronaux Presses Universitaires de Grenoble, 1994

J.P. CHANGEUX, A. CONNES Matière et pensée Ed. Odile Jacob, 1989

Edmond COUCHOT La technologie dans l'art Ed. Jacqueline Chambon, 1998

Charles DARWIN De l'origine des espèces au moyen de la sélection naturelle, 1859

David E. GOLDBERG Algorithmes génétiques Ed. Addison-Wesley, 1994

Jean-Claude HEUDIN La Vie Artificielle Hermes, 1994

John HOLLAND Imformation Processing in Adaptative Systems Information Processing in the Nervous System, Processing of the International Union Physiological Science, 3, 330-339, 1962

John HOLLAND Adaptation in Natural and Artificial Systems Ann Arbor: The University of Michigan, 1975

Christopher LANGTON Studying Artificial Life with Cellular Automata Physica D 22, 1986

Abraham MOLES Art et Ordinateur Casterman 1971

John VON NEUMANN The Computer and the Brain New Haven (Conn.), 1958

Paul RICHER Traité d'anatomie artistique Bibliotheque de l'Image, 1996

Alan TURING Intelligent Machinery 1948

F.J. Varela Connaitre - Les sciences cognitives, tendances et perspectives, Ed. du Seuil, 1989.

Norbert WIENER Cybernetics or Control and Communication in the animal and the Machine Cambridge (Mass), 1947

Par Michel Bret
Ecrire un commentaire - Voir les 0 commentaires - Recommander

Mercredi 31 janvier 2007

MÉTHODES D'OPTIMISATION DANS LA CRÉATION ARTISTIQUE

Michel BRET professeur en "Art et Technologies de l'Image"
Université Paris 8 (1997)
Article refusé par la revue Champ Visuel en 1997

1 Résumé

         La notion de progrès, légitime en science, est-elle signifiante en art ? Et comment peut-on parler d'optimiser la création artistique ?
         Cet article se propose de dépasser l'opposition science-art en la revisitant à la lumière des récentes avancées dans la connaissance du cerveau et des machines.
         Il sera question d'ordinateurs et de création artistique, de réseaux neuronaux et d'algorithmes génétiques.

         Is the idea of improvement, legitimate in science, full of mean in art ? And how can we speak of optimum about the artistic creation ?
         This paper proposes to go beyond the opposition science-art with the progressive ideas on the subject of brain and computers.
         We will speak about computers and artistic creation, neural networks and genetic algorithms.

2 Art et technique

2-1 La problématique art et technique

         Art et techique sont deux faces d'une même médaille (comme l'atteste le double statut utilitaire et culturel de l'outil) qu'on ne saurait dissocier sans rennoncer à expliquer leur histoire. Celle-ci a connue des périodes de coexistence, comme la Renaissance (avec la perspective mathématique et l'anatomie scientifique), puis des phases plus conflictuelles (comme l'époque romantique), avant de se résoudre de nouveau avec les cinéticiens [Popper 1980] pour, finalement, exploser avec les nouvelles technologies [Popper 1993].
         Si la science et la technique permettent bien de connaître, et donc de maîtriser, la réalite, elles sont impuissantes à définir celle-ci en dehors d'elles-mêmes. L'art non plus, même lorsqu'il "représente" la réalité, ne dit rien sur celle-ci en dehors du regard qu'il porte sur elle. La question du "réel" est aussi mal posée par le positivisme (pour lequel la réalité préexiste à son analyse) que par l'idéalisme (pour lequel la réalité est le produit du sujet pensant), la vérité est à chercher dans un dépassement de cette opposition: Par exemple la physique moderne nous apprend que toute observation modifie l'observé et donc que la connaissance du réel est inséparable du regard que le sujet porte sur lui. Dans un autre domaine Panofky [Panofsky 1975] a montré que chaque époque construit son propre espace et que la perspective inventée par le quatrocento italien est une forme symbolique de cette culture. Plus près de nous, la physique de la relativité générale a du construire une géometrie non euclidienne pour expliquer l'univers, et peut-être les expériences des cubistes ne sont-elles pas très eloignées de ces découvertes: Le début de ce siècle aura vu l'émergence d'une nouvelle conception, et donc d'une nouvelle perception, de l'espace.
         Pas plus la science que l'art ne peuvent donner une explication totale du monde, tout au plus en proposent-ils une interprétation; qu'on appelle celle-ci "représentation" ou "modélisation", elle n'est valable que pour une culture donnée et à une époque donnée. Leurs rapports cessent donc d'être conflictuels dès lors que l'on admet la relativité de leur portée. Cet article développe l'idée que certaines avancées scientifiques peuvent faire évoluer la création artistique sans que celle-ci perde pour autant son âme.

2-2 Ordinateur et créativité

         L'ordinateur est l'instrument par excellence de toutes les simulations. Historiquement développé par les scientifiques pour tester des modèles physiques de la réalité, il a trouvé de nombreuses applications dans la modélisation et la prévision des phénomènes naturels.
         Mais limiter la création aux seuls modèles réalistes revient à enfermer l'art dans une "mimésis", or l'oeuvre n'est jamais le simple reflet ni d'un déterminisme sociologique ni d'une réalité extérieure.
         D'autre part l'utilisation des nouvelles technologies dans le domaine de la création artistique introduit de nouvelles manières de penser et de nouvelles pratiques en rupture avec les méthodes traditionnelles:
         La nature numérique du support peut remettre en cause non seulement les techniques de fabrication, mais encore celles de transmission, des images. Si cette remise en cause peut être vécue comme une évolution, ou une adaptation nécéssaire, il n'en est pas de même des méthodes de conception:
         La crétion artistique est traditionnellement liée au geste, à l'observation, à l'intuition. Avec l'ordinateur, rien de tel: Les gestes concernent la commande d'un automate, l'intuition est remplacée par le recours à un texte (le programme), l'observation de la réalité fait place à la construction de modèles abstraits. Certains y verront la mort de l'art, d'autres une réinvention. Sans nier les changements radicaux apportés par la synthèse, constatons cependant qu'ils s'inscrivent dans une certaine continuité: La première image de synthèse n'a-t-elle pas été faite par Brunelleschi, au XVeme siecle, lorsqu'il automatisait la mise en perspective ? Synthèse sans ordinateur, certes, mais construction mathématique quand même d'un espace virtuel. Les premières oeuvres "interactives" n'ont-elles pas été créées par les cinéticiens ?
         Certains critiques d'art et certains plasticiens émettent des réserves quand à la qualité esthétique des oeuvres produites à l'aide de machines: Bien qu'en décalage radical avec l'immense activité menée dans ce domaine par de jeunes artistes de plus en plus nombreux (voir en particulier des manifestations comme "Cybermonde" à Montreal Canada, ou "Anima Mundi" a Rio de Janeiro au Brésil ou encore "Imagina" à Monte-Carlo Monaco), leurs critiques pointent le fait que la production pléthorique d'oeuvres médiocres masque l'émergence d'un style nouveau. Mais n'en a-il pas toujours été ainsi, les grands courants artistiques ayant rarement été reconnus à leur naissance ?
         Cependant des questions pertinentes restent posées: La machine, par son automatisme, ne va-t-elle pas priver l'artiste du contrôle de sa création ? Qu'adviendra-t-il de la notion d'oeuvre lorsque des informations numériques (valant pour du texte, de la musique ou des images) circuleront de façon anonyme et libre sur un réseau mondial ?
         Les détracteurs des "nouvelles images" sous-estiment en fait leur adversaire: Utilisé comme simple outil, l'ordinateur ne différe en rien des outils traditionnels, mais il est beaucoup plus que cela: C'est ce que j'appelerai un "méta outil", c'est à dire un outil servant à fabriquer des outils; et même plus, cette machine de simulation est capable de simuler tout, y compris ce qu'elle n'est pas. C'est ainsi que les nouvelles machines sont conçues, sous forme de modèles, programmées, puis "imprimées" lorsque ces modèles donnent satisfaction.
         Mais on risque de perdre beaucoup plus qu'un simple contrôle si ces machines deviennent "intelligentes". Nous répugnons toujours à abandonner ce que nous considerons comme étant la nature même de notre humanité, mais en même temps nous avons toujours gagné à nous remettre en cause:
         Avec Galilé nous avons perdu notre position centrale dans l'Univers et avons par la même occasion acquis une meilleure connaissance de celui-ci. Avec Darwin nous avons perdu notre origine divine mais gagné la compréhension du vivant. Avec Freud nous avons perdu un certain libre arbitre pour découvrir l'inconscient. Nous perdrons bientot l'exclusivité de l'intelligence, mais sous la forme d'une extension de celle-ci, d'une hybridation avec la machine, d'une véritable mutation, et notre capacité à nous adapter sera une fois de plus la preuve de notre superiorité.

3 Le détour par le langage

3-1 Symbolique et fonctionnalité

         Le langage, d'abord symbolique, a aussi une dimension fonctionnelle: En agissant, ou en voulant agir, sur le monde (magie), ou sur les autres (communication, politique). Avec l'ordinateur il devient opérationnel (le programme "dit" au robot industriel ce qu'il doit faire, des algorithmes "démontrent" des théorèmes), le "dire" et le "faire" ont alors un rapport de dépendance, le langage n'exprime plus seulement, mais il agit, et inversement une machine peut s'adresser à nous, même si ce n'est pas véritablement un être parlant.
         Avec les "Réalités Virtuelles" une nouvelle perception est née: Celle du virtuel. Le geste n'agit plus seulement sur les choses mais encore sur des représentations, dont nous sentons en retour la présence physique. Réalité et symbolique entament alors un dialogue inattendu.
         Ainsi le peintre, lorsqu'il remplace son "coup de pinceau" par une trouvaille algorithmique, étend son geste au virtuel: Sa parole devient agissante, créatrice. En ce sens l'ordinateur, et singulièrement l'activité de programmation, en actualisant la fonctionnalité du langage, redonne à la parole et à l'écrit un rôle fondateur que notre époque, entièrement vouée à l'image, semblait avoir oublié

3-2 Un progrès vers le réalisme ?

Giotto est considéré comme le 1er peintre de la modernité, et certains y ont vu l'éveil du réalisme qui devait se poursuivre à la Renaissance et apparaître comme une progression constante des techniques d'imitation du monde visible. L'art moderne n'est plus alors que "décadent", et la synthèse réaliste 3D serait un renouveau, une promesse d'avenir. Mais une telle notion de progrès est contredite par toutes les analyses qu'ont fait de l'histoire de l'art des auteurs comme Frankastel [Francastel 1951] ou Panofsky [Panofsky 1975]. On peut tout au plus parler d'émergence de styles, de représentations du monde valables pour une époque donnée, on peut voir des influences, des filiations, mais en aucun cas une marche en avant vers une quelconque perfection.

4 État des lieux

Les artistes disposent, aujourd'hui, d'un ensemble de machines et de programmes sensés les aider à créer. De par son origine l'ordinateur semble voué à simuler le réel, c'est du moins ce qu'un certain nombre de constructeurs et de concepteurs prétendent. À travers une analyse des outils mis à la disposition des artistes, je tenterai de montrer qu'il s'agit là d'une régression, mais que de nouvelles voies s'ouvrent qui vont révolutionner le rapport des créateurs aux machines.

4-1 Les programmes de synthèse du commerce

         Ils supposent une modélisation géométrique d'objets dans un espace euclidien à 3 dimensions, ce qui implique d'abord un monde d'objets à représenter, ensuite une structure bien définie de ce monde, préexistante à sa représentation.
         Ils utilisent ensuite la projection conique (de centre un oeil unique et ponctuel) de cet espace sur un plan, faisant de la perspective linéaire la seule et unique méthode de visualisation.
         Enfin ils éclairent la "scène" par des "lampes" et modélisent la lumière par les lois de l'optique géométrique, les rayons étant nécéssairement rectilignes.
         Le style imposé est ainsi celui du réalisme photographique. Sans contester la validité de ces options, on peut cependant regretter qu'elles aient été "cablées", les élevant ainsi au niveau de vérités universelles, alors qu'elles ne sont qu'une possibilité parmi bien d'autres.

4-2 Critiques

         N'oublions pas que la géometrie cartésienne et l'optique physique ne sont que des modèles, valables sous certaines conditions et à une époque donnée, aucun scientifique ne songerait à les ériger en vérités universelles. Que ces modèles soient les plus simples est à la rigueur un argument pour les concepteurs de programmes, mais il ne faudrait pas qu'ils briment l'imagination de l'artiste qui devrait pouvoir construire son espace à mesure qu'il le représente.
         D'autre part un monde d'objet exclut à priori le vivant et conduit à représenter les êtres animés par des robots de la première génération.
         Quand à la perspective conique, faut-il rappeler qu'elle date du XV ème siècle et qu'elle a donné naissance à la géométrie projective dont elle n'est plus aujourd'hui qu'une application mineure. Des espaces courbes, aux propriétés insolites et merveilleuses, sont ainsi rendus inaccessibles par ce seul recours à une projection particulière.
         Et que dire des magnifiques mondes éclairés par une lumière relativiste dont les rayons seraient courbés par les masses, sinon qu'ils sont eux aussi rendus inacessibles par cette véritable "dictature de la droite" que constitue le recours systématique à l'algorithme du "lancer de rayons".
         Ce retour à un réalisme trivial sera sans doute considéré comme l'une des plus grandes régressions esthétique de notre siecle.

4-3 Les programmes d'animation

La méthode d'animation la plus populaire est certainement celle dite des "dessins clés", inventée par Walt Disney voici plus d'un demi siecle. La cinématique, ou étude des mouvements indépendamment de leurs causes, avec ses trajectoires et ses lois de mouvement, figure en bonne place dans tous les systèmes d'animation. Une des retombées de la robotique a produit la "cinématique inverse", ou définition d'un mouvement par son but, qui facilite grandement la tâche de l'animateur. Enfin des modèles de la dynamique permettent de simuler les lois de la mécanique et d'animer, avec beaucoup de réalisme, des corps pesants, déformables, soumis à des forces et à des contraintes. Du dessin animé traditionnel aux simulations des modèles physiques, l'animation par ordinateur ne semble pas avoir pris son autonomie par rapport aux savoirs anciens.

4-4 Critiques

         Ce qui fait la force du dessin animé traditionnel, c'est peut-être cette très grande liberté qu'il prend par rapport au réel qui n'est d'ailleurs pas celui des choses, mais celui des situations.
         De toute façon, pour rendre l'"âme" de la vie (ce que signifie très exectement le terme "animation"), il faut mettre en scène autre chose que des objets, fussent-ils "drôles".
         Les "bases de données" chères aux infographistes, ne sont que de la matière inerte, qu'ils sont obligés de traiter manuellement et laborieusement en n'utilisant que très peu la puissance des machines.
         En programmation traditionnelle, le "code", qui représente la "pensée", et les "datas", qui représentent les objets, sont séparés, or, dans un être vivant, il n'en est pas ainsi. D'ou l'idée de construire des structures de données qui intégreraient du code: C'est ce que l'on appelle les "langages orientés objet" (ou L.O.O.), ils permettent de définir des "acteurs", qui sont bien des objets de synthèse, mais munis d'un "comportement", c'est à dire qu'ils sont capables de réagir, de façon non déterministe, à des situations données. L'un des intérêts de cette méthode, connue sous le nom d'"animation comportementale", réside dans le fait qu'un très grand nombre d'individus, munis du même comportement, constituent une population dont le devenir résulte des interactions de ses membres entre eux et avec l'environnement, sans qu'il soit nécéssaire de les définir. Ce qui permet de gérer très facilement des bancs de poissons, des vols d'oiseaux, des foules, et tous les phénomènes mettant en jeu un grand nombre d'interactions complexes qu'il serait impossible d'étudier de façon exhaustive.
         Mais cette méthode, qui fait passer l'animateur du statut de marionnettiste à celui de metteur en scène, ne se trouve, du moins dans sa forme la plus générale, dans aucun logiciel du commerce.

         La démarche du créateur ne se formalise pas, du moins pas en terme d'algorithme. Et ceci est vrai de l'artiste dont l'inspiration ne se laisse pas facilement traduire en chiffres, comme du mathématicien qui "découvre" un théorème bien avant que d'en avoir fait la démonstration, celle-ci n'intervenant qu'à titre de justification ou de validation. En quoi l'ordinateur peut-il alors intervenir dans le processus de création ?
         Audelà d'une utilisation archaïque des machines se limitant à simuler les techniques traditionnelles (réalisme imitant la photographie, "dessins clés" et "boîtes déformantes" imitant le dessin animé), le problème de la création par ordinateur est beaucoup plus profond puisque c'est le principe même de la démarche algorithmique qui est mis en cause.

5 Algorithmes et stratégies du vivant

5-1 Algorithmie traditionnelle

         Jusqu'à aujourd'hui, les machines ne pouvaient résoudre que les problèmes dont on connaissait une solution. Il s'agissait , à partir d'une analyse de ce problème, de construire un algorithme donnant une méthode de résolution, puis d'écrire un programme la traduisant dans un langage compréhensible par la machine, et enfin de faire "tourner" ce programme. La machine proposait alors un résultat.
         Mais l'on sait bien que les vrais problèmes sont ceux dont on ne connait pas la solution, et même plus, les vraies questions sont celles qui sont mal posées. L'enfant (ou l'adulte) qui apprend ne sait bien évidemment pas ce qu'il apprend et les startégies du vivant pour s'adapter sont tout sauf une démonstration. À plus forte raison en ce qui concerne la création artistique, la méthode algorithmique semble de peu d'utilité
         Les méthodes classiques d'optimisation fournissent une illustration de cette question, elles se divisent en 3 catégories [Goldberg 1991]:
         1) Numériques: Elles cherchent à atteindre un extremum local d'une fonction en se basant sur les variations de son gradient, la supposant dérivable, ce qui n'est pas le cas de la plupart des fonctions "intéressantes" qui ne sont bien souvent même pas continues.
         2) Énumératives: Par une recherche exhaustive sur tous les points, mais une telle méthode n'est praticable que pour des ensembles de définition réduite.
         3) Enfin aléatoires: L'examen systématique est remplacé par un tirage aléatoire, mais cette méthode n'est guère plus efficace que la précédente.
         Au lieu de vouloir atteindre à toute force un optimum, pourquoi ne pas seulement chercher à s'en rapprocher en n'exigeant aucune connaissance à priori sur le problème étudié ? C'est précisément la stratégie du vivant qui cherche à s'adapter à une situation en se modifiant de façon tout à fait pragmatique.
         Nous distingueront deux approches: Celles proposée par les "réseaux neuronaux" et celle connue sous le non d'"algorithmes génétiques":

5-2 Les réseaux neuronaux

         Un neurone artificiel simule le neurone biologique. Au lieu de construire une circuiterie figée (ce que sont les ordinateurs classiques) qui ne fournira jamais plus que ce que l'on y a mis au départ, on conçoit, sur le modèle du cerveau, un réseau de cellules interconnectées de façon modulable et souple. Ceci est réalisé pratiquement en affectant à ces liaisons un "poids" contrôlant la quantité d'information circulant sur une voie donnée (par exemple un poids nul coupe la connection), et en permettant au système de se modifier lui-même afin d'améliorer ses réponses. C'est le principe du "perceptron" qui peut, entre autre, apprendre à reconnaître un alphabet ou un vocabulaire de formes.
         Dans un réseau multicouche dont l'information est astreinte à progresser depuis la couche d'entrée jusqu'a la couche de sortie en passant par les couches "cachées", on réalise un "apprentissage" en présentant au système des couples (entrée,sortie souhaitée), l'erreur commise (différence entre la sortie trouvée et la sortie souhaitée) est utilisée (par une methode dite de la "rétropropagation" [Bourret 1991]) pour corriger les poids des couches inférieures afin de minimiser cette erreur.
         On a montré qu'un tel réseau saura alors résoudre toute une classe de problèmes analogues à celui ayant servi à l'apprentissage.
         Un autre aspect des réseaux neuronaux est leur capacité à simuler la mémoire humaine: La mémoire n'est pas une inscription d'informations amorphes (comme elle l'est dans les ordinateurs classiques) mais a été définie par les psychologues comme un "réseau d'association".
         Les "mémoires associatives linéaires" sont, pour simplifier, une généralisation du perceptron [Abdi 1994], en ce sens qu'elles associent une sortie spécifique à une entrée. Les "mémoires auto associatives", qui ne comportent qu'une seule couche de cellules, permettent de retrouver une information lorsqu'on n'en donne qu'une partie (possiblement bruitée) Les réseaux de Hopfield [Hopfield 1982] modélisent ce concept. Une généralisation de ces réseaux a conduit aux "machines de Boltzmann" qui utilisent une activation probaliste des cellules, évitant ainsi un blocage dans un minimum local. A "température" élevée le réseau pourra "rebondir" dans un autre état et éviter ainsi les puits d'énergie.

         Les réseaux neuronaux, en simulant le fonctionnement du cerveau (sans cependant chercher à le copier), permettent de résoudre des problèmes par les mêmes méthodes que le vivant: C'est à dire non pas en planifiant la liste des instructions à executer pour arriver au résultat (algorithme) mais en définissant un comportement adaptatif modifiant l'organisme lui-même qui trouve ainsi, par essais et erreurs, la solution.

5-3 Les algorithmes génétiques

         Charles Darwin [Darwin 1859] avait proposé une explication de l'évoltuion des êtres vivants en posant l'hypothèse de la "sélection naturelle" [Dessales 1996]. Contrairement a Lamarck (qui postulait l'hérédité des caractères acquis), Darwin pense que l'action de l'environnement ne s'exerce pas directement sur le génome d'un individu mais favorise la survie et la reproduction de certains génomes apparus aléatoirement par croisement et mutation des gènes.
         Au début des années soixantes, John Holland développe les "algorithmes génétiques" dans le but d'expliquer les processus naturels d'adaptation, et de concevoir des systèmes artificiels ayant les mêmes propriétés.
         Dans son principe cette méthode consiste à faire évoluer une "population" de solutions: Celles-ci se reproduisent par croisement des meilleures (favorisant ainsi leur survie) et par mutations (évitant une homogénisation d'individus meilleurs mais pas nécéssairement excellents). La sélection se fait en choisissant les individus pour lesquels une certaine fonction d'adaptation est maximale.
         On a montré qu'il s'agissait de procédures robustes d'exploration d'espaces complexes [Holland 1975] dont les solutions ne sont pas explicitées (mais découvertes par l'algorithme lui-même), et pouvant s'appliquer à toute une classe de problèmes (car indépendantes de ceux-ci).
         Les algorithmes génétiques remplacent les méthodes traditionnelles d'optimisations (qui progressent localement) par une sorte de paralellisme massif, toute une population de solutions évoluant et se reproduisant sur le modèle des êtres vivants.

6 Application à la création artistique

         Historiquement liées à l'optimisation des problèmes, ces nouvelles techniques ouvrent un vaste champ de recherche en proposant une approche, non plus algorithmique, mais automatique des problèmes, c'est à dire que l'on a plus à fournir les solutions de ceux-ci , mais que l'on est conduit à construire soit un réseau susceptible d'évoluer favorablement, soit une population dont on attend qu'elle s'améliore.

         Les artistes qui utilisent les ordinateurs le font souvent, comme il a été dit plus haut, avec des méthodes archaïques simulant les techniques traditionnelles.
         Avec les réseaux neuronaux et les algorithmiques génétiques, une occasion leur est offerte de repenser leur rapport à la machine et de pouvoir enfin la considérer comme un outil de création et non pas seulement comme un moyen d'imiter ou de copier.

         Ainsi Karl Sims [Sims 1991] utilise des algorithmes génétiques pour créer des structures complexes, comme des plantes 3D, des textures ou des mouvements. Le rôle que peut jouer l'artiste est illustré par la façon dont Sims implémente ces idées: Il remplace d'abord la fonction d'adaptation explicite par une appréciation visuelle, retrouvant ainsi un jugement esthétique. Il remplace ensuite les génomes (qui sont des chaînes de caractères de taille fixe) par des expressions symboliques, reprenant en celà le concept de "programmation génétique" [Koza 1990 et 1992]. On voit bien sur cet exemple que l'artiste n'est pas prisonnier de la machine et qu'il peut en quelque sorte changer les "règles du jeu".
         Karl SIMS [Sims 1994] encore décrit un système pour générer des créatures virtuelles se déplaçant et se comportant dans un environnement physique 3D simulé. La morphologie de ces créatures et le réseau de neurones contrôlant leurs muscles sont générés automatiquement par des algorithmes génétiques. Un réseau neuronal est généralement spécifique au problème à traiter; l'idée de Sims, consistant à le faire trouver automatiquement par un algorithme génétique, résoud donc le problème de sa construction en simulant la vie qui invente le cerveau par un phénomène d'adaptation.
         Michel Van de Panne et Eugène Fiume [Van de Panne 1994] simulent des êtres vivants à partir de réseaux neuronaux dont les entrées sont des capteurs et les sorties sont des muscles contrôlant les mouvements d'un corps de synthèse obéissant aux lois de la dynamique: Ces "acteurs" inventent ainsi des stratégies de marche qu'aurait fort bien pu trouver la nature. De telles recherches, dans le domaine de la "vie artificielle", ouvrent à la création artistique des voies nouvelles en considérant une oeuvre, non pas comme un objet fini et déterministe construit une fois pour toute, mais comme un véritable "être" ayant son autonomie et capable de nous surprendre.
         Latham et Todd [Todd 1991] appliquent des concepts analogues pour engendrer des sculptures autogénérées, simulées par des primitives 3D de la géometrie constructive.
         Michael Tolson utilise les réseaux neuronaux pour contrôler toute une population d'animaux de synthèse qui réagissent interactivement lorsque l'on dépose de la nourriture.

         Audelà de tels dispositifs simulant la vie, on peut imaginer des systèmes qui, par apprentissage, comprendraient la démarcher et le style d'un artiste, et qui l'accompagneraient ensuite dans sa création: Le dialogue traditionnel du créateur avec son oeuvre serait étendu en une interaction avec un partenaire intelligent.

Conclusion

On sait aujourd'hui synthétiser des réalités virtuelles indiscernables de leur référent réel. Représenter ne peut donc plus se limiter à imiter une apparence visuelle, mais vise à construire un modèle crédible. Et même si celui-ci continue à se montrer comme image, à se lire comme simulation, ce n'est plus la chose representée en tant que telle qui est mise en scène, mais le processus par lequel elle vient au monde, existe et se comporte.
Les tendances archaïques actuelles de l'image de synthèse (réalisme naif, attachement à la simulation de techniques anciennes) feront bientot place à des méthodes de construction de processus inspirés du monde vivant, les réseaux neuronaux et les algorithmes génétiques en étant des exemples parmi les plus récents.

Bibliographie

H. Abdi: Les réseaux neuronaux, Presses Universitaires de Grenoble, 1994
R. Bharath, J. Drosen: Neural Network Computing, Windcrest/McGraw-Hill New York, 1994
P. Bourret,J. Reggia , M. Samuelides: Réseaux Neuronaux, Teknea Toulouse, 1991
C. Darwin Charles: The Origin of Species, New American Library, Mentor paperback, 1959
J.L. Dessalles Jean-Louis: L'ordinateur génétique, Hermes Paris, 1996
P. Franscatel: Peinture et Société, Denoël Lyon, 1952
D. Goldberg: Genetic Algorithms, Addison-Wesley USA, 1991
J.H. Holland J.H.: Adaptation in natural and artificial systems, Ann Arbor: The University of Michigan Press, 1975
J.J. Hopfield: Neural Networks and physical system with emergent collective computational abilities, Proceeding of the National Academy of Science, USA,1982
J.R. Koza: Genetic Programming: A Paradigm for Genetically Breeding Populations of Computer Programs to Solve Problems, Standfort University of Computer Science Departement Technical Report STAN-CS-90-1314, 1990
J.R. Koza Genetic Programming: On the Programming of Computers by Natural Selection, Cambridge, MA, USA, MIT Press, 1992
Panofsky: La perspective comme forme symbolique, Les Éditions de Minuit, Paris 1975
F. Popper: Art Action et Participation, Klincksieck esthétique, 1980
F. Popper: L'art à l'âge éléctronique, Hazan, 1993
K. Sims: Artificail Evolution for Computer Gtaphics, in ACM Computer Graphics 24, 1991
K. Sims Evolving Virtual Creatures, in ACM Computer Graphics, 1994
S.J.P. Toddet, W. Latham: Mutator a Subjective Human Interface for Evolution of Computer Sculptures, IBM United Kingdom Scientific Centre Report 248, 1991
M. Van de Panne Michiel, E. Fiume Sensor-Actuator Networks, University of Toronto Canada, 1994

Par Michel Bret
Ecrire un commentaire - Voir les 0 commentaires - Recommander

Jeudi 1 février 2007

Modélisation du corps humain

UNE MÉTHODE COMPORTEMENTALE DE MODÉLISATION ET D'ANIMATION DU CORPS HUMAIN

Michel BRET
Professeur en A.T.I., Université PARIS8 1998
Article refusé par IMAGINA en 1998

1 Résumé

         Cet article présente une méthode de génération et d'animation de corps vivants basée sur des modèles dynamiques, comportementaux, connexionnistes et évolutionnistes.
         La construction d'un corps repose sur une structure en couches (os, muscles, organes, graisses et peau) tenant compte de données anatomiques.
         Les mouvements sont gérés par un modèle dynamique intégrant des notions de biomécanique.
         L'animation utilise des "acteurs" munis de comportements et simulés par des machines à états.
         Une animation "secondaire" de cheveux et de vêtements accompagne les mouvements du corps.
         La vie est simulée par des réseaux neuronaux donnant à ces acteurs la faculté d'apprendre et de s'adapter.
         Enfin les algorithmes génétiques permettent de faire évoluer des populations de tels réseaux.

Mots clés

Acteur, Algorithmes génétiques, Animation comportementale, Cheveux, Connexionnisme, Corps humain, Dynamique, Modèles de muscles, Réseaux neuronaux, Vêtements.

2 Introduction

2-1 De l'apparence

Les artistes (sculpteurs ou peintres) qui produisent l'image d'un corps ne peuvent faire l'économie d'une certaine connaissance de l'anatomie: Le rendu final de la peau (seule surface visible) dépend des dispositions relatives des os, muscles, graisses et autres organes. De plus, une bouche ouverte, par exemple, laisse voir une partie de l'intérieur.
Mais un corps vivant ne peut se concevoir sans le mouvement ni sans une volonté le produisant: La synthèse du corps est donc inséparable de son animation et d'une simulation de la pensée.

2-2 Les niveaux

Un rendu fonctionnel de l'apparence conduit à définir des structures profondes: Le squelette, les muscles, les organes, les tissus graisseux et une peau enveloppant ces différents éléments.
Plutôt que de construire des bases de données, nécessairement lourdes et figées, il est préférable de définir des "acteurs" possédant des méthodes d'auto génération et d'adaptation.

2-3 Les mouvements

Les mouvements sont générés par un ensemble d'impulsions communiquées aux muscle. Ceux-ci, en se déformant, entrainent les os, les organes et les tissus graisseux. La peau se tend alors automatiquement sur ces éléments.
Nous avons choisi de simuler ce fonctionnement au moyen d'une machine à états dans laquelle le basculement automatique d'un état dans un autre dépend de schémas prédéfinis et des valeurs délivrées par des capteurs analysant l'environnement et le corps lui-même. Cette machine commande des "programmes moteurs" agissant sur les articulations.

2-4 Animations "secondaires"

Les cheveux et les vêtements sont considérés comme tributaires du corps et sont entrainés dynamiquement par les mouvements de celui-ci. Des détections de collisions et des réactions aux chocs ont permis de gérer automatiquement leur animation.

2-5 Les comportements

L'interaction entre un être vivant et son environnement (perception et action) est gérée par le système nerveux qui "lit" le monde extérieur gràce à des capteurs (organes des sens), qui le modélise de façon abstraite sous forme de signaux circulant dans des réseaux. Puis il effectue des simulations lui permettant de former un projet qu'il exécute ensuite en envoyant des ordres à ses muscles moteurs. Une boucle de rétroaction lui permet de vérifier constamment l'adéquation de l'action et du projet.
Une machine à états modélise très imparfaitement un être vivant dans la mesure où elle est incapable de s'adapter à un environnement variable. Nous avons utilisé les réseaux neuronaux pour construire, par apprentissage, des comportements répondant à des situations données et en respectant un ensemble de contraintes.

2-6 Évolution

Le problème de la construction des réseaux neuronaux (dont on sait que l'architecture dépend du problème traité) a été résolu par des algorithmes génétiques: Une population de réseaux arbitraires évolue par sélection, croisements et mutations en privilégiant ceux qui optimisent une certaine fonction d'évaluation.

3 Travaux antérieurs

3-1 De l'animation en général

         La simulation des méthodes de l'animation traditionnelle a été, et reste encore, prépondérante, surtout dans le monde de la production: Probablement pour des raisons de rentabilité immédiate, il est en effet plus facile de faire comme avant plutôt que d'innover...
         Mais, depuis les années 80, la recherche s'oriente vers l'utilisation de modèles dynamiques, et, depuis les années 90, de modèles connexionnistes.
         Renouvelant l'ancienne conception de la représentation comme "mimésis", ces nouvelles approches visent à simuler le fonctionnement plutôt qu'à vouloir rendre l'apparence: La dynamique simule le monde des choses et le connexionisme simule celui des êtres.
         Dans les prochaines années, les techniques d'animation vont intégrer les nouvelles connaissances issues de la "Vie Artificielle" [RAY 1994] [SIMS 1994], [HEUDIN 1994].

3-2 Modélisation dynamique du corps

         David ZELTZER [ZELTZER 1982] utilise, dès 1982, la notion de "moteur de contrôle" pour gérer l'animation de structures articulées, à laquelle il adjoint celle de processeur de mouvement préfiguration de ce que seront les comportements.
         Les travaux de Demetri TERZOPOULOS, bien que ne traitant pas spécifiquement des corps vivants, sont à la base de l'animation dynamiques de surfaces souples [TERZOPOULOS 1987], utilisée pour modéliser les muscles et la peau.
         Gavin MILLER [MILLER 1988] a introduit l'usage des ressorts dans la simulation de muscles moteurs pour animer des serpents et des vers.
         Armin BRUDERLIN [BRUDERLIN 1989] décrit la locomotion humaine par un modèle dynamique du mouvement des jambes qu'il associe avec une direction "à but", anticipant par là les travaux sur l'intentionnalité.
         Michael McKENNA [McKENNA 1990] anime des figures articulées en appliquant la mécanique Newtonienne, il introduit également les notions de "contrôleur de marche" et de "programme moteur".
         Marc RAIBERT [RAIBERT 1991] applique la robotique au contrôle dynamique de la locomotion d'êtres artificiels bipèdes.
         Jessica HODGINS [HODGINS 1995] simule des comportements athlétiques (courir, faire du vélo, sauter, ...) par des modèles dynamiques compatibles avec des données biomécaniques. Elle adapte aussi ces comportements à des acteurs quelconques [HODGINS 1997].

3-3 Modélisation anatomique du corps

         Keith WARTERS [WATERS 1987] introduisait une méthode de paramétrisation d'un modèle facial simulant l'action superficielle des muscles du visage pour synthétiser des expressions. Yuencheng LEE [LEE 1995] reprend cette méthode en l'automatisant et en lui associant un modèle dynamique.
         ZAJAC [ZAJAC 1986] [ZAJAC 1989] a développé le 1er modèle de muscles appliqué à la synthèse du corps humain.
         John CHADWICK [CHADWICK 1989] a developpé un système d'aide à l'animation traditionnelle de personnages basé sur une structure en "couches" fournissant divers niveaux de contrôle.
         Les THALMANs [MAGNENAT-THALMANN 1991] decrivent des procédures attachées aux noeuds d'une structure articulée ("joint-local deformations") pour simuler des changements naturels de la forme des membres.
         David CHEN et ZELTZER [CHEN 1992] avaient proposés en 1992 de produire les déformations d'un corps mobile en simulant l'action des muscles et les forces qu'ils exercent sur le squelette. Pour cela ils avaient développé un modèle basé sur la biomécanique et la méthode des éléments finis destiné aux animateurs et aux specialistes de l'étude fonctionnelle des muscles.
         Victor Ng Thow HING [HING 1994] donne un modèle dynamique de tendons et de muscles pour contrôler les mouvements d'un corps articulé.
         Ferdi SCHEEPERS [SCHEEPERS 1997] et ses collaborateurs décrivent un système de modélisation du corps basé sur la déformation des muscles induite par les mouvements du squelette.
         Jane WILHELMS [WILHELMS 1997] modélise automatiquement la peau en voxélisant la masse du corps, dont est extraite une isosurface polygonale ancrée ensuite aux muscles par des ressorts.

3-4 Modélisation des cheveux et des vêtements

         Ken-ichi ANJYO [ANJYO 1992] présente une méthode simple pour traiter le comportement dynamique des cheveux.
         Michel CARIGNAN [CARIGNAN 1992] développe des algorithmes de modélisation et d'animation de vêtements ajustés à des acteurs de synthèse en mouvement: Definis comme des pièces planes cousues ensembles, les vêtements sont ensuite ajustés à un corps mobile au moyen de modèles physiques tenant compte de l'élasticité, de l'adhérence et des collisions.
         Jessica HODGINS [HODGINS 1997] définit les "mouvements secondaires" comme le comportement passif d'éléments dépendant des corps contrôlés: C'est le cas des cheveux et des vêtements.

3-5 Animation comportementale

         Craig REYNOLDS introduisit les notions d'"acteur" [REYNOLDS 1982] et de "comportement" [REYNOLDS 1987] qui furent reprises et ameliorées par de nombreux auteurs.
         Xiaoyuan TU [TU 1994] synthétise un monde marin virtuel basé sur des modèles physiques et habités par des poissons artificiels, définis comme des agents autonomes, dont les comportements répondent à des intentions en activant des moteurs de contrôle.
         De même Radek GRZESZCZUK [GRZESZCZUK1995] construit des animaux artificiels apprenant, par essais successifs, à se mouvoir dans un environnement virtuel.
         Bruce BLUMBERG [BLUMBERG 1995] synthétise des créatures virtuelles autonomes capables de se comporter dans un environnement donné, mais acceptant aussi un contrôle extérieur au niveau de l'intention, au niveau de l'exécution d'une tâche et au niveau moteur.

3-6 Application des modèles connexionnistes

         Michiel VAN DE PANNE et Eugène FIUME [VAN DE PANNE 1993] [VAN DE PANNE 1994] utilisent des réseaux neuronaux dont les entrées sont des valeurs de capteurs et dont les sorties actionnent des moteurs de mouvement pour construire des créatures decouvrant des stratégies de marche.
         Karl SIMS [SIMS 1991] utilise des techniques de sélection, de variation et de mutation sur des expressions LISP (inspirées de la programmation génétique) pour créer des structures complexes (plantes, textures, mouvements, ...).
         Karl SIMS [SIMS 1994] utilise des réseaux neuronaux (générés par des algorithmes génétiques) pour contrôler les muscles de créatures artificielles dont le comportement est dirigé vers un but (nager, marcher, sauter, ...).

4 Le langage

4-1 Développement d'outils

         Nous avons développé un interpréteur pseudo compilé dont la syntaxe, proche de celle du langage C, est tolérante et générale: Ainsi les types sont gérés dynamiquement (aucune déclaration n'est donc obligatoire), les opérateurs logique et arithmétiques sont étendus aux tableaux [BRET 1988].
         Ce langage est orienté objet et il est possible d'y définir des nouveaux types ainsi que des propriétés arbitraires.
         Un outil est généralement implémenté sous la forme d'une fonction stockée sur le disque, et qui peut être invoquée interactivement ou appelée d'une autre fonction (sans être nécessairement ni déclarée ni chargée).

4-2 Ouverture

         L'utilisateur accède au système à plusieurs niveaux:
         Au niveau le plus élémentaire il définit, dans le langage, les objets, les propriétés et les algorithmes de son choix, sans être contraint par une syntaxe trop rigoureuse.
         A un niveau plus élevé il dispose des mêmes facilités directement en langage C (plus difficile à mettre au point mais plus rapide à l'exécution).
         Enfin il peut linker une application quelconque avec l'interpréteur.
         Pratiquement on commence par mettre au point intéractivement un programme dans le langage puis, lorsque le résultat est satisfaisant, on le traduit en une fonction C qu'il suffit alors d'associer à une nouvelle commande du langage.

4-3 Programmation avancée

4-3-1 Animation comportementale:

         Un "acteur" est un objet particulier encapsulant un programme (comprenant du code compilé, des piles, des mémoires et des entrées-sorties locales) permettant de simuler une programmation parallèle: Une des fonctions de ce programme, dite "générateur", construit les bases de données (topologie, propriétés dynamiques, etc...), une autre fonction, dite "adaptateur", ajuste l'objet (géométrie, dynamique, ...) pour satisfaire certaines contraintes. Le générateur est appelé une seule fois à la création de l'acteur, tandis que l'adaptateur est appelé à chaque image de l'animation.
         Un tel objet sera dit muni d'un "comportement" si son adaptateur est capable de le faire réagir convenablement à des situations imprévues.
         Une population d'acteurs, même s'ils sont munis de comportements identiques, interagissent de façons différentes entre eux, avec l'environnement et le superviseur selon les informations présentes sur leurs entrées.

4-3-2 Réseaux neuronaux:

Des objets de type "réseau neuronal" peuvent être définis et construits par la donnée d'une première couche prenant les informations en entrée, une dernière couche délivrant les sorties et une ou plusieurs couches cachées complétant le système. Les poids des connexions, initialisés aléatoirement, sont raffinés par apprentissage sur un jeu de couples (entrée-sortie souhaitée) par la méthode de la rétropropagation de l'erreur [BHARATH 1994, page 37], [BOURRET 1991, page 205] et [ABDI 1994, page 133].
Ces réseaux peuvent résoudre de nombreux problèmes dont on ne connait pas de solution algorithmique, et nous les avons appliqué à la définition des comportements (voir le paragraphe 10-2).

4-3-3 Algorithmes génétiques:

         Des populations d'objets peuvent être définies par la donnée d'un alphabet (par exemple {0,1}), d'individus construits aléatoirement comme mots de cet alphabet et d'une fonction d'évaluation.
         On commence par copier les individus en les selectionnant au hasard, avec un biais favorisant les mieux evalués.
         Puis on les apparie par des opérations de croisement.
         Des mutations aléatoires (avec une faible probalité) sont effectuées.
         Après un nombre plus ou moins grand de générations, la population évolue vers une meilleure adaptabilité.
         De principe très simple, ces algorithmes génétiques sont de plus remarquablement robustes. Cependant le problème du codage reste une difficulté: Les meilleurs résultats sont obtenus lorsque l'alphabet est minimum. GOLDBERG [GOLDBERG 1991] propose un codage "multiparamétré à borne fixe", consistant à projeter linéairement un mot binaire (lorsque l'alphabet est réduit à 2 éléments) sur l'intervalle [Umin,Umax] de variation du paramètre réel à coder; c'est cette méthode, efficace pour les algorithmes génétiques simples, que nous avons implémenté.

5 Le squelette

5-1 Structure articulée

Le squelette est modélisé par une arborescence dont la racine est un os porteur. Les os sont attachés les uns aux autres et reçoivent des degrés de liberté: Rotations selon une rotule ou un axe et d'amplitudes limitées (soit par des bornes géométriques, soit par des forces de rappel, soit encore par des ressorts).
Lorsque l'os porteur change (changement de pied dans la marche par exemple), la racine change et l'arbre est automatiquement réorganisé.

5-2 Constructions des os

Un os est un acteur réduit à son "générateur" qui, lorsqu'il est appelé la première fois, génére une base de données comportant une surface polyédrique et certaines propriétés encapsulées dans l'os (comme les points d'ancrage des os les uns aux autres). En ajoutant un "adaptateur" il est possible de modifier le squelette au cours d'une animation (morphing d'un corps dans un autre par exemple).

6 Les muscles

6-1 Construction des muscles

         Les muscles sont des acteurs comportant une méthode de génération et une méthode d'adaptation.
         À la première invocation, la méthode de génération construit une base de données comportant une topologie (description procédurale des points de contrôle d'une surface paramétrique) et des propriétés encapsulées (noms d'os et points d'attache du muscle sur ces os, propriétés dynamiques, etc...).
         La géométrie est reconstruite à chaque image de l'animation par la méthode d'adaptation.
Par exemple:
         deltoide->generer() génére la topologie d'un deltoide et lui affecte des propriétés d'attache et de dynamique.
         deltoide->adapter() génére effectivement la géométrie de ce muscle en fonction de son environnement.
         Les changements de forme se font à volume constant: Défini comme une surface géodésique, un muscle a un volume approximé par la somme des produits des distances de deux sections consécutives par le carré de leur rayon. Une méthode dichotomique permet d'encadrer rapidement les rayons des sections lorsque le muscle se déforme.
         Certains muscles s'attachent à d'autres et les muscles ne doivent pas se pénétrer les uns les autres: L'ordre de leurs générations n'est donc pas indifferent.

6-3 Mouvement des muscles

         Une première méthode simple d'animation consiste à considérer l'ensemble des muscles comme statique et à ne faire dépendre leurs formes que de l'état du squelette comme dans [SCHEEPERS 1997] ou [WILHELMS 1997]. Ainsi il suffit de modifier celui-ci pour déformer les muscles automatiquement.
         Une autre méthode, plus réaliste, revient à définir les muscles comme un réseau de surfaces élastiques (modélisées par des ressorts) subissant des actions extérieures (poids des os d'attache et réaction de muscles concurrents) et intérieures (variation de la raideur par exemple) et dont l'état d'équilibre entraine une position du squelette.
         Un ensemble d'impulsions communiquées aux muscles définit un geste. Un mouvement est une suite de gestes dont l'enchaînement est contrôlé par un comportement.
         Des forces de contact empêchent les éléments du corps de s'interpénétrer.

7 Les organes et les tissus graisseux

7-1 Utilité de ces éléments

Un volume important du corps est occupé par des organes: Estomac, poumons, etc... Ceux-ci sont tenus par les muscles et interviennent dans la forme générale du corps.
Les tissus graisseux, généralement situés entre les muscles et la peau, adoucissent l'aspect extérieur du corps, qui, sans eux, ressemblerait à un écorché. Ils sont définis comme les muscles mais n'ont pas la possibilité de générer des forces internes.

7-2 Implémentation

Ils sont attachés élastiquement par des ressorts au squelette et aux muscles, ils se mettent en place automatiquement, par une méthode de relaxation, sous l'action de la pesanteur, de la résistance des ressorts d'attache et en évitant les collisions avec les éléments voisins.

8 La peau

8-1 Génération

         L'idéal eut été de définir la peau comme une surface fermée et continue enveloppant les éléments décrits ci-dessus. Pour des raisons pratiques il a été plus facile de la décomposer en éléments distincts s'adaptant localement à une partie du corps (par exemple un bras).
         Sur une partie du corps constituée d'un ensemble d'os, de muscles, d'organes et de tissus graisseux une peau est générée selon l'algorithme suivant (voir figure):
         1) Déterminer une courbe 3D (C), la plus intérieure possible à ces éléments, et en constituant un "axe".
         2) Déplacer un point (M) le long de cette courbe selon un certain pas dC et, pour chaque position de M déterminer le plan (P) perpendiculaire en M a (C).
         3) Dans le plan (P) déterminer un cercle de centre M et de rayon suffisamment grand pour qu'il soit extérieur aux éléments. Sur ce cercle faire tourner un "oeil" O selon un pas angulaire dA. Déterminer l'intersection I de OM avec les éléments la plus proche de O, au moyen d'un "lancer de rayon".
         4) L'ensemble des intersections I constitue une section (S) des éléments par le plan (P). L'ensemble des sections (S) sont les génératrices d'une surface géodésique enveloppant les éléments.
         Cette technique simule un "laser virtuel" ayant sur ses équivalents réels (comme le Cyber Ware) l'avantage de la souplesse: Ainsi peut-il être programmé de façon à pouvoir visiter des concavités, il suffit pour cela de faire progresser le point M et le plan (P) à des vitesses différentes (le point M s'atardant dans les régions "creuses" à visiter).
         À cause de la définition nécessairement limitée des éléments sousjacents à la peau, l'algorithme précédent de génération fait apparaître des irrégularités. Différentes méthodes de lissage ont été implémentées pour corriger ces inperfections:
         Lissages métriques consistant à remplacer un ensemble de sommets voisins par leur barycentre.
         Lissage angulaire par atténuation des changements de concavité.

Muscles Laser virtuel Peau
Algorithme de génération de la peau: Exemple d'une cuisse.

8-2 Jonction des peaux partielles

Les morceaux consécutifs de peaux sont générés de façon à se chevaucher sur au moins 3 sections, lesquelles sont amenées à coincider. Puis une extension courbe passant par les points de contrôle est générée en utilisant des surfaces paramétriques du troisième degré. La continuité des tangentes est assurée par la présence de 3 couples de points de contrôle confondus (voir figure).

Muscles Peaux Peau continue
Jonction de morceaux de peau: Exemple du bras et de l'avant-bras.

8-3 Élasticité

         Wilhelms et Van Gelder [WILHELMS 1997] décrivent une méthode de simulation d'une peau élastique basée sur la relaxation d'un réseau de ressorts préalablement ancrés sur un corps en position neutre. Lors d'un mouvement du corps, la peau atteint une position d'équilibre compatible avec la nouvelle forme et avec sa position originale.
         S'inspirant de ces idées nous avons implémenté l'algorithme suivant:
         1) Générer la peau (au moyen de l'algorithme 8-1) sur le corps dans sa position neutre.
         2) Déterminer un ensemble de points (M) attachés procéduralement aux muscles (c'est à dire dont la position est repérée par un système de coordonnées barycentriques par rapport à des points de ces muscles variables dans le temps). Pratiquement nous avons procédé par échantillonnage.
         3) Pour chacun de ces points (M) déterminer le point (P) de la peau le plus proche et lui attacher un ressort M -> P.
         4) Pour une autre position du corps laisser la peau atteindre une position d'équilibre par une méthode de relaxation en empêchant la peau de traverser les autres éléments du corps par une détection de collisions.
         5) L'algorithme est appliqué itérativement, chaque position à un instant étant déterminée par rapport à sa position précédente.

9 Éléments secondaires

9-1 Les cheveux

Ils ont été simplements modélisés par des chaînes de petits éléments connectés les uns aux autres par des ressorts angulaires. Munis d'une masse, ils tombent naturellement dans un champ de pesanteur. Des détections de collisions et des réponses aux chocs élastiques avec frottement simulent leur interaction avec les obstacles (le corps, les vêtements et tous les objets y compris les autres cheveux).
Ils sont implantés aléatoirement sur le crâne.

9-2 Les vêtements

Nous inspirant des travaux de TERZOPOULOS [TERZOPOULOS 1987] et de CARIGNAN [CARIGNAN 1992], nous avons modélisé des voiles par un maillage de ressorts. Comme pour les cheveux, détections de collisions et réponses aux chocs permettent de gérer automatiquement leur comportement dynamique.
Pratiquement, une méthode de relaxation fait tomber les voiles sur le corps depuis une position largement extérieure, puis des attaches sont définies au moyen de ressorts entre les voiles et certains points du corps, chaque image de l'animation se deduisant itérativement de la précédente à partir de cette première position d'équilibre.

10 L'animation

10-1 Animation dynamique

         Les méthodes cinématiques d'animation, si elles permettent un contrôle géométrique complet, échouent à simuler les mouvements réels. De plus elles ne savent pas gérer la complexite. Le "key-framing", encore utilisé de nos jours, n'est qu'un "truc" commode sans grand intérêt.
         Les modèles dynamiques, largement développés (voir le paragraphe 3-2), font partie de tous les logiciels d'animation qui se respectent.
         Nous avons implémenté une méthode linéaire d'approximation qui remplace une dérivée par un taux d'accroissement. L'erreur commise est d'autant plus faible que le "delta_t" est plus petit. Pratiquement, entre deux images I(t) et I(t+1), on calcule itérativement I(t+k), k variant dans [0,1] avec un petit pas (par exemple delta_t = 0.1), ne tenant compte que de la dernière pour l'affichage (les images intermédiaires peuvent être utilisées pour un "motion blur").
         Par rapport aux méthodes analytiques qui résolvent un système d'équations différenrielles, cette méthode permet de résoudre potentiellement n'importe quel problème de dynamique, au détriment de l'exactitude cependant.
         Nous ne faisons aucune hypothèse restrictive sur les champs de forces (qui sont des objets comme les autres) ni sur les propriétés des surfaces animées (qui reçoivent des coefficients qualifiant l'élasticité des chocs et la friction au glissement) ni sur la nature des liaisons des objets (libres ou contraints comme dans les structures articulées par exemple).
         Les systèmes de particules apparaissent comme un cas particulier, dans la mesure ou une population de particules est un objet possédant des propriétés spécifiques (comme les masses, les vitesses ou les durées de vie de chaque individu)

10-2 Animation comportementale

         En animation traditionnelle il est nécéssaire de définir toutes les positions: L'animateur est un marionnettiste construisant, image par image, le mouvement qu'il veut produire.
         L'ordinateur apporte une aide précieuse en automatisant le processus:
             Soit en définissant des trajectoires et des lois de mouvements sur chaque élément à animer.
             Soit en générant les mouvements procéduralement.
         Soit en utilisant des modèles physiques (comme l'animation dynamique).
             Soit en numérisant des mouvements réels (le "motion capture").
         Mais ces techniques ne permettent d'animer que des objets déterministes et en aucun cas des êtres vivants dont les mouvements dépendent non seulement de facteurs physiques mais encore de comportements.
         Les facteurs physiques sont representés par des données en mémoire et des fonctions extérieures aux objets (lois de la dynamique par exemple).
         REYNOLDS avait introduit les notions d'"acteur" [REYNOLDS 1982] et de "comportement" [REYNOLDS 1987] reprises par BLUMBERG [BLUMBERG 1995]. Depuis, avec les langages orientés objet, il est devenu possible d'encapsuler un comportement dans une entité. Pour cela nous associons un programme à un objet, lequel devient ainsi "exécutable".
         Plusieurs acteurs ayant le même comportement peuvent se comporter différemment puisque leurs codes, bien qu'identiques, se déroulent de façons différentes en fonction des informations qu'ils reçoivent de l'environnement.

10-3 Implémentation

         À chaque objet peut être associé un programme complet comprenant un code compilé (un main() et des fonctions appelées), des mémoires statiques, des entrées/sorties, autant d'éléments définis localement.
         Le main() d'un acteur ainsi que toutes ses fonctions peuvent être executés par n'importe quel acteur ainsi que par le superviseur.
         Tous les acteur partagent les mémoires externes.
         Les acteurs échangent des messages entre eux et avec leur environnement au moyen de "boites à lettres".

11 Génération de comportements par des réseaux neuronaux

11-1 Réseaux de neurones

Les difficultés considérables rencontrées dans la modélisation et l'animation du corps humain par les méthodes traditionnelles nous ont conduit a adopter une stratégie radicalement différente: Abandonnant une démarche purement algorithme nous avons confié la résolution de ces problèmes à des réseaux capables de s'auto-organiser et faisant preuve d'une conduite "intelligente" émergeant de leurs nombreuses connexions. Au lieu de chercher une solution algorithmique à un problème, on construit un réseau neuronal que l'on met en présence de ce problème sur le mode "question-reponse" ou encore "essai-erreur" en le faisant s'autoconfigurer de façon à répondre de mieux en mieux à des exemples (apprentissage supervisé). La propriété dite de "généralisation" d'un réseau neuronal garantit que celui-ci peut réagir convenablement à des exemples non appris.

11-2 Implémentation

         Des réseaux multicouche à rétro-propagation de l'erreur [ABDI 1994, page 140] [BOURRET 1991, page 189] ont été utilisés conjointement aux idées developpées par VAN DE PANNE et FIUME [VAN DE PANNE 1993] [VAN DE PANNE 1994] ainsi que par SIMS [SIMS 1994] concernant les réseaux de capteurs-actuateurs:
         La couche d'entrée est connectée à des capteurs:
                  Capteurs analysant l'environnement (par exemple contact d'un pied avec le sol)
                  Capteurs analysant la position du corps lui-même (angles des membres entre eux et avec un référentiel lié au monde)
         La couche de sortie est connectée à des "moteurs" (couples exercés sur les articulations).
         Une ou plusieurs couches cachées permettent de complexifier le réseau.
         Les poids des connexions des neurones d'une couche vers ceux de la couche suivante sont initialisés aléatoirement.
         Un apprentissage est réalisé en présentant au système des couples (entrée-sortie souhaitée), l'erreur (différence entre la sortie souhaitée et la sortie calculée) est utilisée pour corriger les poids par la méthode de la rétro-propagation. Cet apprentissage revient à construire une "base de connaissance" associant une stratégie précalculée à une situation donnée [RIJPKEMA 1991]. Mais ici cette base de connaissance est étendue (propriété de généralisation propre aux réseaux neuronaux) à des situations non apprises.
         Une première difficulté consiste à trouver une architecture de réseau (combien de couches, combien de neurones sur une couche), elle a été résolue, en s'inspirant des travaux de Karl SIMS [SIMS 1994], par des algorithmes génétiques.
         Une deuxième difficulté consiste à trouver des couples (entrée-sortie) pertinents, elle est liée au problème et a été abordée cas par cas (pour la marche par exemple, des gestes rétablissant l'équilibre ont été donnés comme sortie correspondant à des positions de déséquilibre présentées en entrée).

12 Génération de réseaux neuronaux par des algorithmes génétiques

12-1 Algorithmes génétiques

         Les algorithmes génétiques, initialement developpés par John HOLLAND [HOLLAND 1975], sont des algorithmes d'exploration basés sur la sélection naturelle et la génétique, et utilisant des processus pseudo-aléatoires.
         Outre leur simplicité, ils se caracterisent par une remarquable robustesse et montrent des comportements adaptatifs proches de ceux des êtres humains.
         Comme les réseaux neuronaux ils résolvent des problèmes dont on ne connait pas de solution algorithmique, mais, alors que ces dernier sont essentiellement connexionnistes, ils utilisent des méthodes évolutionnistes.

12-2 Implémentation

         Une population de réseaux neuronaux construits aléatoirement évolue par reproduction, croisements et mutations en optimisant une certaine fonction d'évaluation. Cette fonction est en fait la note obtenue par un processus consistant, dans un premier temps à calculer la matrice des poids d'un réseau par apprentissage et, dans un deuxième temps, à utiliser ce réseau pour faire se comporter un acteur, et c'est la performance de ce comportement qui est notée (pour la marche par exemple ce peut être la distance parcourue pénalisée par l'énergie depensée).
         Une autre méthode de sélection, proposée par Karl SIMS [SIMS 1991], utilise un jugement de valeur (par exemple esthétique) porté par le superviseur.
         Ces deux méthodes peuvent d'ailleurs très bien cohexister.

13 Résultats

Le choix d'un langage plutôt que d'un programme dédié a rendu possible toutes sortes d'expériences. Voici par exemple l'une d'entre elles qui a servi à générer la séquence des voiles dans le film "DÉFILÉ DE MODE":

13-1 Le corps

         Nous nous sommes inspiré, pour la modélisation du corps, de données anatomiques [MOREAUX 1959], [RICHER 1996] et [SZUNYOGHY 1996], et, pour la modélisation des muscles, de données biomécaniques [GOUBEL 1998].
         Le squelette se compose de 214 os ancrés selon une hiérarchie dynamique dont la racine est le premier os trouvé en contact avec le sol.
         Nous avons modélisé 143 muscles attachés au squelette et aux organes.
         Enfin la peau vient se plaquer sur l'ensemble selon l'algorithme 8-1.
         La figure suivante decrit ces 3 etapes.

Squelette, muscles et peau.

13-2 Modèle comportemental

         Comme ZELTZER [ZELTZER 1982],qui utilise des machines à états finis pour simuler la marche humaine sur un terrain quelconque, nous definirons un comportement par une machine à états créant et enchainant des mouvements. Ainsi la marche peut être simulée par un ensemble de gestes du genre: tendre, plier, balancer, ... L'enchaînement d'un geste à un autre est declenché par un événement extérieur (par exemple poser un pied sur le sol va provoquer une extension de la jambe porteuse et un balancement de l'autre jambe, une perte d'équilibre va provoquer des gestes compensatoires, etc ...).
         Un corps est défini comme un acteur muni d'un comportement et d'un système d'analyse du monde (capteurs de contact, capteurs angulaires). Les sorties de ces capteurs sont interprétés comme entrées de la machine à états qui décide quel mouvement déclencher et avec quels paramètres.
         Par exemple si le pied gauche est en contact avec le sol, si la cuisse droite est levée et si le centre de gravité du corps se projette en avant du pied gauche, le geste 'projeter_en_avant' est declenché sur la jambe droite.
         Le rôle d'un geste est de commander un "programme moteur" [McKENNA 1990] générant des couples exercés sur les articulations.
         Parallèlement à ces gestes moteurs, des gestes de compensation sont automatiquement declenchés. Par exemple lorsque la jambe droite est projetée en avant, un couple s'exerce sur l'épaule gauche pour imprimer un balancement arrière au bras gauche. Plusieurs gestes peuvent s'appliquer à un même élément, celui-ci réagit alors selon la somme des influences.
         D'autre part tous les acteurs sont contraints par des méthodes leur imposant des positions relatives (ancrages) et des déviations angulaires limitées (angle du bras et de l'avant bras par exemple).

12-3 Réseau neuronal

         Pour donner vie a ce robot entièrement automatique, les entrées d'un réseau de neurones sont connectées aux capteurs, et ses sorties sont connectées à la machine à états. Un apprentissage supervisé lui apprend des exemples de comportement par la donnée de couples (valeurs des capteurs- comportement déclenchés). Lorsque le réseau est stabilisé il est alors capable de répondre correctement à des entrées nouvelles (propriété de généralisation des réseaux neuronaux). Par exemple si le corps a appris à rétablir son équilibre lorsqu'il est penché en avant et lorsqu'il est penché en arrière, il saura rétablir son équilibre lorsqu'il est penché sur le coté.
         Pratiquement 18 couples d'apprentissage ont suffi à rendre le corps capable de rétablir son équilibre dans n'importe quelle configuration de départ. Le tableau suivant donne les sorties souhaitees (S0) et les sorties calculees (SC) apres 5000 passes. En fait une commande regroupe 2 sorties S1 et S2, et le couple C(t) est calculé comme une courbe de Hermite passant par {C(0),S1,S2} où C(0) est la valeur du couple à l'instant de l'impulsion. Cette courbe représente une "intention" (projet d'un mouvement) qui peut être interrompue a tout moment par un événement extérieur. Mais, comme l'explique Alain BERTHOZ [BERTHOZ 1997], la coordination de mouvement ne saurait se réduire à une succession linéaire de phases mais implique un contrôle à plusieurs niveaux:
         1) Une correction est apportée en permanence par des "comparateurs" qui mesurent le mouvement réalisé et le comparent au mouvement prévu.
         2) Une action extérieure peut interrompre un mouvement (par exemple la pose d'un pied au sol termine le mouvement en cours et en enclenche un autre).
         3) Enfin le mouvement prévu peut ne plus être adapté à l'environnement, des corrections et même des changements de stratégies sont alors nécessaires (par exemple dans la marche sur un terrain mouvant, un pas prévu peut s'avérer trop court et nécessiter son alongement).

S0 = sortie souhaitée
SC = sortie calculée

S0 = 0.687500 0.562500 0.687500 0.687500 0.687500 0.687500 0.750000 0.500000
SC = 0.624720 0.567813 0.789856 0.673585 0.759580 0.781653 0.824856 0.510717

S0 = 0.750000 0.750000 1.000000 0.000000 0.750000 0.250000 0.750000 0.750000
SC = 0.747018 0.744049 0.993511 0.054847 0.717353 0.255245 0.667496 0.739045

S0 = 0.750000 0.250000 0.750000 0.750000 0.750000 0.750000 0.750000 0.000000
SC = 0.723682 0.187543 0.748450 0.765033 0.685704 0.707895 0.664760 0.001424

S0 = 0.750000 0.750000 1.000000 0.000000 0.750000 0.250000 0.250000 0.750000
SC = 0.663025 0.746494 0.983379 0.008898 0.806061 0.237232 0.343296 0.776323

S0 = 0.750000 0.250000 0.750000 0.750000 0.000000 0.750000 0.750000 0.000000
SC = 0.796294 0.261352 0.741390 0.736826 0.065853 0.740536 0.860361 0.002545

S0 = 0.250000 1.000000 1.000000 0.000000 0.250000 0.250000 0.750000 0.750000
SC = 0.271646 0.901820 0.943672 0.013268 0.311289 0.257667 0.691537 0.718702

S0 = 0.750000 0.250000 0.250000 0.750000 0.250000 1.000000 1.000000 0.250000
SC = 0.719811 0.235099 0.258149 0.760314 0.233857 0.966136 0.895650 0.255302

S0 = 0.750000 0.750000 1.000000 0.000000 0.750000 0.250000 0.750000 0.750000
SC = 0.652172 0.820802 0.988373 0.081365 0.665482 0.292405 0.736287 0.787096

S0 = 0.750000 0.250000 0.250000 0.750000 0.250000 0.750000 0.750000 0.000000
SC = 0.689887 0.262874 0.349685 0.744647 0.229253 0.831036 0.720326 0.001201

S0 = 0.250000 0.750000 0.750000 0.000000 0.750000 0.250000 0.250000 0.750000
SC = 0.336754 0.819497 0.819290 0.002943 0.816457 0.345281 0.178607 0.703503

S0 = 0.750000 0.750000 0.250000 0.750000 0.000000 0.750000 1.000000 0.000000
SC = 0.683034 0.664234 0.289419 0.730131 0.004250 0.778697 0.906859 0.003976

S0 = 0.250000 0.750000 0.750000 0.000000 0.375000 0.375000 0.500000 0.500000
SC = 0.210769 0.842981 0.761530 0.007284 0.312833 0.402757 0.509698 0.495382

S0 = 0.375000 0.375000 0.625000 0.625000 0.750000 0.750000 0.750000 0.750000
SC = 0.465135 0.403385 0.567204 0.619487 0.710380 0.704939 0.780725 0.735205

S0 = 0.250000 0.250000 0.250000 0.250000 0.375000 0.375000 0.625000 0.625000
SC = 0.153227 0.223189 0.293630 0.234658 0.406911 0.373390 0.694519 0.631380

S0 = 0.750000 0.250000 0.750000 0.750000 0.750000 0.750000 0.750000 0.000000
SC = 0.657710 0.281050 0.698316 0.743533 0.733331 0.757199 0.729230 0.026868

S0 = 0.000000 1.000000 0.750000 0.000000 0.750000 0.250000 0.250000 0.750000
SC = 0.097813 0.946774 0.701969 0.006784 0.807009 0.188847 0.314545 0.766287

S0 = 0.250000 0.250000 0.250000 0.750000 0.000000 0.000000 0.750000 0.000000
SC = 0.199531 0.268380 0.267261 0.769457 0.058958 0.098808 0.693478 0.002902

S0 = 0.000000 1.000000 0.750000 0.000000 0.250000 0.250000 0.250000 0.750000
SC = 0.011215 0.976365 0.756324 0.003270 0.240037 0.002122 0.246872 0.750335

4 erreurs, erreur maximun = 0.247878, erreur tolerée = 0.1

         Adaptation du réseau en 5000 passes à partir de 18 exemples.

         Le réseau est constitué (voir figure):
         D'une couche d'entrée de 6 neurones connectés à des capteurs angulaires mesurant les angles des fémurs et des tibias avec la verticale et à deux capteurs de contact situés sous les pieds.
         D'une couche cachée de 6 neuronnes.
         D'une couche de sortie de 8 neuronnes envoyant des couples moteurs aux genoux et aux hanches pour faire tourner les tibias et les fémurs.
         En fait une commande regroupe 2 sorties S1 et S2, et le couple C(t) est calculé comme le point P(t) d'une courbe de Hermite passant par {C(0),S1,S2} où C(0) est la valeur du couple à l'instant de l'impulsion. Cette courbe représente une "intention" (projet d'un mouvement) qui peut être interrompue a tout moment par un événement extérieur.
         Dans un modèle plus evolué les sorties declenchent des comportements agissant sur les muscles des jambes pour produire les mêmes résultats (voir paragraphe 6-3).

Capteurs = Contacts,Angles Reseaux Moteurs=Couples
Réseau neuronal contrôlant les jambes.

13 Conclusion

         Le système présenté dans cet article a permi de produire plusieurs films de synthèse ("CAHINCAHA" en 1996, "MYSTÈRE ET BOULE DE GOMME" en 1997 et "DÉFILÉ DE MODE" en 1998) qui en retracent le développement: Des premiers essais seulement comportementaux aux essais plus récents utilisant des systèmes connexionnistes.
         Lorsque les problèmes d'implémentation ont été résolus, on dispose d'un modèle très souple dont le contrôle global est aisé. Il peut être utilisé pour générer des personnages de dessins animés, des marionnettes virtuelles ou autres bêtes fantastiques.
         De nombreuses améliorations restent bien entendu a faire, parmi lesquelles:
         1) Perfectionner le modèle de peau (par exemple en integrant les plis et les rides).
         2) Synthétiser des "expressions" faciales.
         3) Traiter le problème de la danse.
         4) Implémenter des méthodes de coévolution mettant en concurrence plusieurs populations s'évaluant mutuellement, ceci afin d'éviter à l'algorithme génétique de se cantoner dans un minumum local [KOZA 1991].

Bibliographie

Hervé ABDI
Les réseaux de neurones
Presses Universitaires de Grenoble 1994

Ken-ichi ANJYO, Yoshiaki USAMI, Tsuneya KURIHARA
A Simple Method for Extracting the Natural Beauty of Hair
in COMPUTER GRAPHICS 26(2), 111-120, 1992

Alain BERTHOZ
Le sens du mouvement
Éditions Odile Jacob Sciences,1997

Ramachandran BHARATH, James DROSEN
Neural Network Computing
Windcrest/McGraw-Hill 1994

Bruce M. BLUMBERG, Tinsley A. GALYEAN
Multi-Level Direction of Autonomous Creatures for Real-Time Virtual Environments
in COMPUTER GRAPHICS, 47-54, 1995

P. BOURRET, J. REGGIA, M. SAMUELIDES
Réseaux Neuronaux
TEKNEA 1991

Michel BRET
Anyflo: Logiciel d'Animation 3D
in Imaginaire Numerique HERMES, 47-55, 1988

Armin BRUDERLIN, Thomas W. CALVERT
Goal-Directed, Dynamic Animation of Human Walking
in COMPUTER GRAPHICS 23(3), 233-242, 1989

Michel CARIGNAN, Ying YANG, Nadia MAGNENAT THALMANN, Daniel THALMANN
Dressing Animated Synthetic Actors with Complex Deformable Clothes
in COMPUTER GRAPHICS 26(2), 99-104, 1992

John E. CHADWICK, David R. HAUMANN, Richard E. PARENT
Layered Construction for Deformable Animated Characters
in COMPUTER GRAPHICS 23(3), 243-252, 1989

David T. CHEN, David ZELTZER
Pump It Up: Computer Animation of Biomechanically Based Model of Muscle
in COMPUTER GRAPHICS 26(4), 89-98, 1992

Jean-Louis DESSALLES
L'ordinateur génétique
HERMES 1996

David E. GOLDBERG
Algorithmes Génétiques
Addison-Wesley 1991

Francis GOUBEL, Ghislaine LENSEL-CORBEIL
Biomécanique, éléments de mécanique musculaire
MASSON 1998

Radek GRZESZCZUK, Demetri TERZOPOULOS
Automated Learning of Muscle-Actuated Locomotion Through Control Abstraction
in COMPUTER GRAPHICS, 63-70, 1995

Jean-Claude HEUDIN
La Vie Artificielle
HERMES, 1994

Victor Ng Thow HING
A Biomechanical Musculotendon Model For Animating Articulated Objects
Thesis, Departement of Computer Science University of TORONTO, 1994

John HOLLAND
Adaptation in natural and artificial systems
Ann Arbor; The University of Michigan Press, 1975

Jessica K. HODGINS, Wayne L. WOOTEN, David C. BROGAN, James F. O'BRIEN
Animating Human Athletics
in COMPUTER GRAPHICS, 71-78, 1995

Jessica K. HODGINS, Nancy S. POLLARD
Adaptating Simulated Behaviors For New Characters
in COMPUTER GRAPHICS, 153-162, 1997

J.R. KOZA
Genetic evolution and co-evolution of computer programs
in C.G. LANGTON (Ed.), Artificial Life II, 603-629, Addison-Wesley, 1991

Yuencheng LEE, Demetri TERZOPOULOS, Keith WATERS
Realistic Modeling for Facial Animation
in COMPUTER GRAPHICS, 55-62, 1995

Michael McKENNA, David ZELTZER
Dynamic Simulation of Autonomous Legged Locomotion
in COMPUTER GRAPHICS 24(4), 29-38, 1990

Gavin S.P. MILLER
The Motion Dynamics of Snakes and Worms
in COMPUTER GRAPHICS 22(4), 168-178, 1988

Arnould MOERAUX
Anatomie Artistique de l'Homme
MALOINE, 1959

Marc H. RAIBERT, Jessica K. HODGINS
Animation of Dynamic Legged Locomotion
in COMPUTER GRAPHICS 25(4), 349-358, 1991

Thomas S. RAY
Evolution, complexity, entropy, and artificial reality.
in Physica, 239-263, 1994

Craig W. REYNOLDS
Computer Animation with Scripts and Actors
in COMPUTER GRAPHICS 16(3), 289-296, 1982

Crai

Par Michel Bret
Ecrire un commentaire - Voir les 0 commentaires - Recommander

Vendredi 9 février 2007

Interaction avec un danseur virtuel intelligent

Interaction avec un danseur virtuel intelligent :

Expérimentations artistiques entre art et sciences cognitives

Michel Bret, professeur émérite des universités

michel-bret@wanadoo.fr

Marie Hélène Tramus, professeur en Art et Technologie de l’Image à l’Université Paris8

mh.tramus@club-internet.fr

Alain Berthoz, neurophysiologiste, professeur au Collège de France

alain.berthoz@college-de-france.fr

Résumé

Cet article relate la collaboration entre un neurophysiologue et deux artistes du computer art qui s’est effectuée dans le cadre d’une recherche et d’une expérimentation artistique à la frontière de l’art et des sciences cognitives sur les acteurs virtuels interactifs. Cette recherche, intitulée L’interactivité « intelligente » (connexionnisme, évolutionnisme et vie artificielle) dans les arts numériques en relation avec la physiologie de la perception du mouvement et de l’action, a été soutenue par le Programme Cognitique 2000 sur le thème Art et Cognition à l’initiative du Ministère de la Recherche français.

Mots-clefs

Art numérique, perception du mouvement,

interactivité, connexionnisme, évolutionnisme, vie artificielle.

Introduction

L’interactivité a introduit une certaine forme de sensorialité dans les arts, surtout pensée du côté du spectateur. Nous faisons l’hypothèse que cette sensorialité se pense également du côté de l’œuvre elle-même en dotant celle-ci de ses propres perceptions. Ainsi serait posée l’une des questions les plus actuelles dans les arts numériques : celle des relations entre les « perceptions-mouvements-actions » naturels et artificiels. Nous étudions et expérimentons ces relations en nous appuyant sur les recherches qui sont menées dans le domaine de la perception du mouvement et de l’action, dans celui du connexionnisme, de l’évolutionnisme et de la vie artificielle.

L’un de nos objectifs est de créer des installations artistiques mettant en scène des acteurs virtuels dotés de perceptions artificielles leur permettant de réagir de façon autonome aux sollicitations d’un spectateur, offrant ainsi aux arts et aux sciences cognitives un champ inédit d’expérimentation du virtuel.

1 La seconde interactivité

1.1 Etat de l’art

Notre propos se situe dans le contexte des arts interactifs en relation avec la vie artificielle et dans le champ des recherches que nous présentons brièvement et de façon non exhaustive afin de donner un ensemble de points de repères.

Flavio Sparacino [1] distingue les systèmes simplement « réactifs » (dans lesquels les capteurs interprètent les actions des spectateurs sous forme de scripts qui mappent des réactions préalablement définies), les systèmes comportementaux (appliquant les recherches en intelligence artificielle comme par exemple les comportements de groupe introduits par Reynolds en 1987 [2]) et finalement les « systèmes autonomes », d’abord introduits par Brooks [3] dans le cas de la robotique, puis développés par Maes [4] [5] et dont Karl Sims [6][7] a donné les premières applications artistiques. Blumberg [8][9] construisit un modèle général pour la perception et la sélection de l’action en temps réel. Il élabora le modèle d’un chien capable d’interagir avec des êtres humains aussi bien qu’avec d’autres acteurs virtuels sur le mode comportemental. Avec le “Neuro-Animator”[10], Terzopoulos ouvre une nouvelle approche afin de créer des animations physiquement réalistes en exploitant les propriétés des réseaux neuronaux entraînés off_line pour imiter la dynamique des modèles physiques en mouvement. CML (“Cognitive Modelling Language”) [11] montre des modèles comportementaux contrôlant ce qu’un acteur connaît, comment il ou elle acquière cette connaissance et comment il ou elle en use afin de planifier ses actions.

Selon Jean-Arcady Meyer [12][13] l’approche animat postule qu’il est possible d’étudier la cognition humaine par une approche “ bottom-up » procédant par une architecture de contrôle minimum dans un environnement simple et en le complexifiant graduellement. La robotique évolutionniste applique les lois de la génétique et de la sélection naturelle pour encoder le phénotype d’un robot dans son génotype, le robot est ensuite soumis à un processus artificiel de sélection naturelle en utilisant les algorithmes génétiques [14][15] et la programmation génétique [16].

Une importante recherche a été faite dans le domaine de la “cyberdance”. Citons parmi les plus importantes Merce Cunningham utilisant le programme Life Forms de Tom Calvert’s[17][18] , Nadia Magnenat Thalman [19][20] qui réalisa des performances en mettant en scène des acteurs virtuels avec des acteurs réels.

Dans son spectacle, DanceSpace, Flavia Sparacino [1] génère en temps réel musique et images à partir des mouvements des danseurs. Elle a aussi appliquée cette approche au théâtre dans TheaterSpace.

Dans le domaine du théâtre , Jean Lambert-Wi’s utilise le système Daedalus créant des organismes artificiels à partir de données en provenance du stress et de l’émotion des acteurs (Fourth Art and Technology Festival, Espace Jean Legendre, Lyon, 2001).

Nous nous positionnons dans le courant inspiré du connexionnisme, d’abord exploité par Van de Panne, Fiume[21] et Karl Sims[6], en appliquant ses résultats à des figures animées devant s’adapter à un environnement inconnu et en évolution [22].

1.2 Pensée du corps

Les recherches actuelles menées sur les acteurs virtuels s’inscrivent dans s’éloignent d’une interactivité de commande (ou « première interactivité ») en

L’interactivité, qui est au cœur des recherches menées sur des acteurs virtuels, est aussi au cœur d’une réflexion qui refuse de s’en tenir à des usages trop simplistes la restreignant à un schéma action-réaction univoque tendant à évacuer l’ambiguïté, la polysémie, l’indétermination et l’ouverture à d’autres possibles. Cette approche de la création privilégie non pas la prédétermination de ce que sera l’œuvre par une maîtrise totale, mais plutôt ce qu’elle adviendra au cours du dialogue qui s’établira entre elle et le spectateur.

Pour cela, il s’agit de concevoir des acteurs virtuels qui ne se comportent pas comme des robots mécaniques, mais comme des êtres dotés de perceptions et d’autonomie d’action, objectif essentiel si l’on veut que le dialogue gestuel avec l’être virtuel soit riche, complexe, inattendu, et donne l’impression d’une relation vivante. Si, d’un certain côté, l’artiste perd une partie de la maîtrise sur son œuvre, d’un autre côté, il gagne la possibilité de sortir de lui-même, en laissant l’être virtuel le surprendre par sa capacité d’interaction autonome et évolutive et surprendre également le spectateur.

Afin d’aller dans la direction d’une interactivité que nous suggérons d’appeler « seconde interactivité » [22], mettant en jeu des relations à la fois plus complexes et plus « floues », se rapprochant de comportements humains intuitifs, nous avons choisi de nous appuyer sur des modèles issus des sciences cognitives et des sciences du vivant, notamment du connexionnisme, de la génétique et de la physiologie de la perception et de l’action.

Ces dispositifs interactifs sollicitent la participation du corps entier. Il y a là une nouvelle forme d’hybridation entre l’œuvre et le spectateur qui, loin d’égarer l’art vers une prétendue dématérialisation où le corps serait nié au profit de pures abstractions, s’ouvre vers d’autres horizons. L’attention portée à la corporéité reprend une place qu’elle avait en partie perdue dans un certain art contemporain.

Si l’œuvre induit des effets de sens, ces effets ne passent pas prioritairement par des jeux de symboles ou de langage, des concepts, mais par l’activation d’une forme de pensée souvent dépréciée ou méconnue : la pensée du corps. L’œuvre est alors tout entière contenue dans la suite des expériences perceptives singulières que vit et que peut revivre le spectateur au cours du dialogue. Elle n’existe qu’à la condition d’être fréquentée, explorée, éprouvée. Selon la formulation de Francisco Varela, elle est radicalement « expérientielle ». Elle est art du corps.

Ici le corps n'est pas seulement le corps propre, il est aussi dialogue avec un double possible ainsi créé, le « döppelganger » [24]. Mais ici le double est à la fois appel à s'y reconnaître et différent, autonome. De cette ambiguïté peut naître une émotion que l'œuvre d'art seule sait créer.

1.3 Autonomie

Selon Varela, l’autonoie signifie loi interne ( en relation avec l’auto generation, l’auto organisation et l’affirmation de l’identité), elle est opposée à l’allonomy (loi externe ou commande) [25].

Ce qui est en jeu ici dans ce dialogue avec les créatures virtuelles, c’est la question de leur autonomie, caractéristique essentielle de ces objets virtuels devenus automates. Cette autonomie est ce qui leur permet de se mouvoir et d’agir de façon indépendante et adaptée en fonction de la perception qu’ils ont de l’environnement, ici le spectateur, grâce à des capteurs sensoriels.

Cette logique de l’autonomie n’a cessé d’accompagner les développements aussi bien de l’intelligence artificielle et de la robotique classique que ceux de la vie artificielle, des « automates autoreproducteurs » jusqu’aux animats dont les comportements peuvent être générés, par exemple, par des algorithmes génétiques et/ou des réseaux neuronaux.

Si penser c’est calculer, il faut reconnaître que le calcul qui constitue notre pensée est différent de celui que met en œuvre l’unité arithmétique et logique d’un ordinateur » [26], ce qui incitera à se tourner vers la biologie [27] et les neurosciences les tenants de la pensée connexionniste tels que McCulloch et Pitts [28], Rosenblatt [29], puis Hopfield [30], McClelland et Rumelhart [31] et à s’inspirer de l’organisation des neurones dans le cerveau afin de développer des modèles de réseaux formels. La capacité d’apprentissage de ces réseaux qui leur confère la possibilité d’une action autonome est le résultat d’une émergence et non d’une préprogrammation. Ainsi dans le cas du modèle de réseaux de neurones : « le réseau doit organiser son calcul en comportement cohérent par rapport à l’environnement. On nomme émergent ce comportement global du réseau, composé du comportement individuel et local de ses neurones. Tout l’intérêt du connexionnisme provient du fait que le travail commun de neurones relativement simples peut produire un comportement émergent complexe, capable d’effectuer des calculs élaborés » [32]. C’est donc grâce aux relations qui lient les neurones entre eux qu’apparaissent ces propriétés dites émergentes, propriétés que ne possède pas individuellement chaque élément. L’approche connexionniste offre une direction possible, bien que pas la seule, pour l’art interactif expérimental, en donnant aux créatures virtuelles un certain degré d’autonomie grâce aux réseaux neuronaux générant des comportements imprévisibles et non programmés.

Cette approche globale à l’œuvre dans ces expérimentations artistiques s’inspire de conceptions actuelles sur le vivant, en particulier celles de neurophysiologistes pour qui « les propriétés les plus raffinées de la pensée et de la sensibilité humaine sont des processus dynamiques, des relations sans cesse changeantes et adaptatives entre le cerveau, le corps et l’environnement » [33] et pour qui le mouvement joue un rôle fondamental car coordonner des actions est bel et bien à l’origine des fonctions cognitives les plus élevées du cerveau. Parallèlement au plaidoyer pour la réintégration de l’action et du mouvement au cœur de l’étude du cerveau , ces installations manifestent aussi une volonté d’œuvrer pour un art numérique qui lui aussi s’ancre dans les sensations corporelles et le mouvement.

Récemment il a été proposé l'idée que la perception n'est pas seulement simulation, mais est aussi décision [34]. Elle gère l'ambiguïté et dans un mélange subtil de processus rigides et déterministes et d'une fluidité où l'aléatoire a sa place, l'émotion son rôle, elle permet la création de solutions et d'interprétations nouvelles.

Les réseaux de neurones, qui ont la capacité de s’autoconfigurer, nous ont paru propices à l’expérimentation des interactions « corps/cerveau/environnement » d’une créature virtuelle. Nous avons choisi dans une première approche d’utiliser les réseaux à couches cachées avec rétropropagation de l’erreur et à apprentissage supervisé [35], étant donné leur facilité d’implémentation. Ils sont très répandus, les algorithmes sont largement publiés et ils manifestent surtout une grande efficacité dans la résolution de certains problèmes à contraintes floues dont on ne connaît pas d’algorithmes de résolution. Toutefois, ils sont très éloignés des réalités neurobiologiques d’un cerveau.

Cette exploration des réseaux de neurones supervisés correspond à un moment donné de nos recherches. Mais nous expérimentons d’autres types de réseaux, comme les réseaux non supervisés de Kohonen [36] à apprentissage compétitif qui sont capables de discerner des régularités. Nous sommes également intéressés par d’autres paradigmes comme l’approche dynamique dans les recherches sur les animats [37, 38]. Autant de perspectives pour aller au-delà de « cet interstice ténu situé entre l’appris et l’adaptation ».

2 Des installations interactives « intelligentes »

L’exploration des possibilités d’une « interactivité gestuelle intelligente » entre des acteurs réels et virtuels dans les arts numériques, s’enrichit en la croisant avec d’autres approches : celles des sciences cognitives et en particulier celles qui s’attachent à une compréhension du mouvement, de la perception et de l’action et s’interrogent sur leurs relations avec l’émotion et l’expression, mais aussi celles des arts du mouvement, comme la danse, le théâtre, le cirque, pour qui le geste est la matière même de leur expression artistique.

2.1 Description des deux installations comportant un personnage virtuel interactif

Ce personnage virtuel obéit à des lois biomécaniques et il est doté de comportements réflexes qui le maintiennent en équilibre sur le sol. De plus, des réseaux neuronaux lui permettent de réagir aux mouvements du spectateur de façon « intelligente » [39].

Avec l’installation La funambule virtuelle [40] (figures 1 à 7), il est proposé au spectateur de devenir funambule. L’image de la funambule virtuelle est projetée sur un écran faisant face au spectateur tenant dans ses mains un balancier équipé d’un capteur de mouvement. Ce capteur transmet à l’ordinateur des informations de position et d’orientation interprétées en temps réel comme des forces agissant sur l’acteur dynamique de synthèse contrôlé par des réseaux neuronaux. La funambule n’est pas une copie du spectateur, mais un être artificiel sensible aux mouvements de ce dernier. Si le spectateur cherche à déséquilibrer la funambule, celle-ci tente de retrouver son équilibre en développant, en temps réel, des stratégies autonomes qui sont le résultat d’un apprentissage préalable. Le face-à-face entre les deux « acteurs » s’élabore alors autour d’un jeu d’équilibre et de déséquilibre.

Avec l’installation Danse avec moi (figures 8 et 9), il est proposé au spectateur d’interagir en temps réel avec, cette fois-ci, une danseuse virtuelle. Le spectateur interagit, au moyen d’un capteur de mouvement qu’il porte à la ceinture. Les variations de vitesse de déplacement du capteur sont interprétées par l’ordinateur comme des forces agissant sur un modèle de corps virtuel placé dans un champ de pesanteur et contraint par un sol qu’il ne peut traverser. Face au spectateur en mouvement la danseuse virtuelle improvise des pas de danse qui résultent d’un compromis entre les stratégies apprises de rééquilibrage, de danse et les gestes du spectateur.

D’une façon très élémentaire cette démarche tente d’aller au-delà du simple schéma : entrée de données interprétation. La perception n’est pas seulement une interprétation des messages sensoriels : elle est contrainte par l’action, elle est simulation interne de l’action, elle est jugement et prise de décision, elle est anticipation des conséquences de l’action. Le caractère prédictif de l’acte perceptif a été mis en avant dès les années 30. Ainsi pour P. Janet « l’acte qui est déclenché par la stimulation initiale ne s’adapte pas seulement à cette stimulation, mais s’adapte à des stimulations qui n’existent pas encore, mais qui ne surviendront que plus tard grâce à l’acte lui-même. Cette adaptation à un ensemble de stimulations futures et simplement possibles caractérise les conduites perceptives » [41].

Nous sommes très loin de ces formes complexes d’adaptation et d’anticipation avec les réseaux de neurones à couches. Toutefois, le personnage virtuel va lui aussi pouvoir ne pas seulement adapter son action à la stimulation initiale, mais il va aussi pouvoir s’adapter à « un ensemble de stimulations futures », cette adaptation étant représentée ici par les réponses gestuelles du personnage élaborées en temps réel au-delà des exemples appris.

2.2 Expérimentation avec des spectateurs, des acrobates, des danseurs : l’interactivité dans les installations artistiques à travers l’opposition interdépendance et autonomie

Grâce à l’expérience acquise à chaque exposition [42], en regardant les spectateurs agir, nous avons analysé peu à peu les problèmes posés par la relation entre les deux êtres, en particulier celui du difficile dosage entre l’autonomie et l’interdépendance.

Les réponses des réseaux, entraînés par un apprentissage préalable, sont modulées par l’intervention du spectateur via le capteur. Il y a donc un mixage entre les données résultant du réseau de neurones et celles issues du module d’interaction lié au capteur. Le dosage entre elles est essentiel car il doit permettre de faire agir ensemble l’être virtuel et l’être réel dans une relation complexe faite à la fois d’interdépendance et d’autonomie respective. Quand le spectateur bouge, il doit sentir par la vue et par le geste, non seulement son action sur le personnage et les réactions de celui-ci, mais aussi l’autonomie de ce dernier. Une trop grande autonomie de l’être virtuel rompt la relation, un trop grand contrôle du spectateur sur lui, vide cette relation de tout inattendu. Le spectateur expérimente par le mouvement, peu à peu, il découvre sa partenaire et ses actions imprévues, il s’adapte, il cherche, il invente, lui aussi une gestuelle.

Nous avons filmé quelques moments de ces différentes expositions. Nous y voyons des spectateurs attentifs qui prennent en main le balancier, regardent la funambule, se mettent à se mouvoir, hésitants. Certains calquent leurs actions sur ce que fait l’équilibriste, ils tentent de l’imiter pour devenir eux-mêmes funambules en refaisant les mêmes gestes dans un temps à peine décalé. Cela donne de belles images d’instants d’harmonie qui surprennent le spectateur dans cette quête du double. Cette configuration est différente des expériences de clones de synthèse habituels où ces derniers qui reproduisent fidèlement les gestes de la capture de mouvements à laquelle ils sont asservis. Mais cette quête mimétique du spectateur est vite déjouée par son action même d’imitation qui va au contraire produire le déséquilibre du personnage virtuel et donc la rupture de l’harmonie des mouvements. Le spectateur fait de nouvelles tentatives, et la succession de ces nouveaux essais créant des nouvelles similitudes de gestes et d’autres ruptures de déséquilibre, construit peu à peu une relation gestuelle originale. D’autres spectateurs se projettent dans la funambule comme dans un clone qui doit suivre leurs propres gestes : tentatives, échecs, nouveaux essais infructueux qui peuvent conduire à l’abandon d’une relation avec cet être désobéissant. D’autres simplement tentent l’aventure, ils expérimentent, bougent, manipulent le balancier, regardent les mouvements de la fildefériste et ainsi de façon assez spontanée par l’action, par le mouvement, ils découvrent et élaborent une relation avec l’être virtuel.

Une funambule expérimentée a pratiqué son art en interaction avec la danseuse de corde virtuelle. Il était très troublant de voir simultanément les gestes d’équilibre et de déséquilibre des deux acrobates réelle et virtuelle et de ressentir une similitude dans les gestes. Similitude par exemple des appuis prononcés des pieds pour retrouver l’équilibre, soit vers l’avant soit vers l’arrière, ou des mouvements de rééquilibrage du buste, mais aussi similitude dans la dynamique du mouvement à la recherche ou à la perte d’équilibre. Il était captivant de voir rire et s’exclamer la vraie funambule devant le spectacle de positions extravagantes de déséquilibre de la fildefériste de synthèse. Il était fascinant de voir la funambule réelle scruter la funambule virtuelle comme pour comprendre ses « intentions ».

Par ailleurs nous avons fait participer la danseuse virtuelle à une séance d’improvisation de danse et de musique réunissant plusieurs danseuses et danseurs et un groupe de musiciens. Un danseur a pris le parti de danser sans tenir compte de la danseuse virtuelle. Une danseuse s’est mise à jouer directement avec l’image projetée sur le mur. Une autre entamait une exploration gestuelle basée sur un aller-retour très subtil entre elle et la danseuse virtuelle : succession de petits mouvements des hanches, variations autour des ces déhanchements sur la musique. Une autre, encore, se lançait dans succession de sauts qui déclenchaient les sauts en réponse de l’être de synthèse, produisant un moment intense de dynamisme partagé.

À partir de ces différentes expériences, celles de la funambule ou de la danseuse virtuelle, il semble que l’œuvre émerge de ce réseau de relations faites de ces liens invisibles et singuliers qui se tissent entre l’être réel et l’être virtuel et remplissent le vide de cet « entre-deux » grâce aux interactions des corps se mouvant dans l’espace commun de l’installation.

2.3 Description technique [43]

Ces installations comportent quatre modules (figure 10):

Le module dynamique calcule les mouvements d'un corps soumis à différentes forces : pesanteur, réactions de l’environnement, contraintes biomécaniques, simulations de forces en provenance des capteurs et du module comportemental [44].

Le module comportemental simule les forces réflexes de rééquilibrage automatique et les forces engendrant les mouvements volontaires qui sont le résultat d’ordres donnés par le module connexionniste.

Le module connexionniste construit en temps réel des stratégies adaptatives grâce à un réseau neuronal dont les entrées sont connectées au module interactif et dont les sorties sont interprétées comme des projets gestuels. Les projets sont des ensembles de couples de force appliqués aux articulations du corps et transmis au module comportemental qui va effectuer un mouvement. Le réseau a été instruit par un ensemble d’expériences constituant un apprentissage.

Le module interactif gère les échanges entre le modèle et le monde extérieur. Ses entrées sont alimentées par les forces extérieures envoyées par le capteur de mouvement. Par ailleurs, ce module interactif gère les échanges entre le modèle et lui-même, car certaines entrées proviennent des forces internes, telles que les contraintes biomécaniques du corps virtuel.

Ainsi, tout projet produit par le module connexionniste est dynamiquement confronté aux réalités de l’interaction qui le modifie. Il peut même être interrompu à tout moment par un autre projet mieux adapté à une nouvelle situation.

2.4 Apprentissage

Nous avons programmé l’algorithme de la rétropropagation de l’erreur pour un apprentissage supervisé sur un réseau à couches. Un ensemble de couples d’apprentissages est présenté au réseau dont la matrice des connexions a été préalablement initialisée aléatoirement. Pour chaque entrée le réseau calcule une sortie différente en général de la sortie souhaitée. La différence entre ces deux sorties est utilisée pour corriger les poids des connexions de façon à minimiser cette erreur. De proche en proche, par une série d’essais erreurs, le réseau s’auto configure et apprend l’ensemble des exemples donnés. Si ce dernier est suffisamment représentatif des différentes situations auxquelles sera confronté l’acteur de synthèse, le réseau donne des réponses correctes même pour des exemples non appris.

Premièrement, dans le cas de la funambule nous entraînons celle-ci à se maintenir en équilibre sur son fil et dans le cas de la danseuse nous lui apprenons à effectuer des mouvements de danse. Deuxièmement, nous mettons ces êtres virtuels, ayant participé à cet apprentissage préalable, face à des spectateurs ou des danseurs ou encore des acrobates pour que naisse de ces rencontres une invention gestuelle faite d’interdépendance et d’autonomie.

Nous avons aussi implémenté une version temps réel de cette méthode en parallélisant le processus d’apprentissage et celui d’interaction. Il s'ensuit une interaction plus évoluée dans laquelle le spectateur peut constater, contrôler et tenter de modifier, ses propres actions sur le comportement de l’être virtuel.

Enfin, nous prévoyons l’utilisation d’autres types de réseaux, non supervisés ceux-ci, comme ceux de Kohonen. Ils devraient permettre que l’être virtuel découvre par lui-même les régularités de son environnement et les stratégies de comportements les mieux adaptés.

Cette interaction entre le spectateur et l’être artificiel doué d’une certaine autonomie et d’une certaine capacité d’invention gestuelle, crée une situation artistique inédite qui, tout en étant proche d’une situation réelle, reste imprévisible et qui voudrait susciter l’improvisation, l’invention, l’imagination, la surprise.

Par Michel Bret
Ecrire un commentaire - Voir les 0 commentaires - Recommander

1 2 3 4 suivant

le blog les-algoristes

Catégories

Articles récents

L 'autonomie ?

Premiers mots

VIE ARTIFICIELLE ET CRÉATION ARTISTIQUE

VIE ARTIFICIELLE ET CRÉATION ARTISTIQUE

Michel BRET Professeur à l'Université PARIS 8 Mars 2000

Introduction

1) Vivant et artificiel

2) Méthodes de pensées

3) Peut-il y avoir une pensée artificielle ?

4) Le Connexionnisme

5) L'Évolutionnisme

6) L'Art et la Vie Artificielle

7) Quelques réflexions

7) Exemples d'oeuvres inspirées de la Vie Artificielle

BIBLIOGRAPHIE

MÉTHODES D'OPTIMISATION DANS LA CRÉATION ARTISTIQUE

MÉTHODES D'OPTIMISATION DANS LA CRÉATION ARTISTIQUE

Michel BRET professeur en "Art et Technologies de l'Image" Université Paris 8 (1997) Article refusé par la revue Champ Visuel en 1997

1 Résumé

2 Art et technique

2-1 La problématique art et technique

2-2 Ordinateur et créativité

3 Le détour par le langage

3-1 Symbolique et fonctionnalité

3-2 Un progrès vers le réalisme ?

4 État des lieux

4-1 Les programmes de synthèse du commerce

4-2 Critiques

4-3 Les programmes d'animation

4-4 Critiques

5 Algorithmes et stratégies du vivant

5-1 Algorithmie traditionnelle

5-2 Les réseaux neuronaux

5-3 Les algorithmes génétiques

6 Application à la création artistique

Conclusion

Bibliographie

Modélisation du corps humain

UNE MÉTHODE COMPORTEMENTALE DE MODÉLISATION ET D'ANIMATION DU CORPS HUMAIN

Michel BRET Professeur en A.T.I., Université PARIS8 1998 Article refusé par IMAGINA en 1998

1 Résumé

Mots clés

Acteur, Algorithmes génétiques, Animation comportementale, Cheveux, Connexionnisme, Corps humain, Dynamique, Modèles de muscles, Réseaux neuronaux, Vêtements.

2 Introduction

2-1 De l'apparence

2-2 Les niveaux

2-3 Les mouvements

2-4 Animations "secondaires"

2-5 Les comportements

2-6 Évolution

3 Travaux antérieurs

3-1 De l'animation en général

3-2 Modélisation dynamique du corps

3-3 Modélisation anatomique du corps

3-4 Modélisation des cheveux et des vêtements

3-5 Animation comportementale

3-6 Application des modèles connexionnistes

4 Le langage

4-1 Développement d'outils

4-2 Ouverture

4-3 Programmation avancée

4-3-1 Animation comportementale:

4-3-2 Réseaux neuronaux:

4-3-3 Algorithmes génétiques:

5 Le squelette

5-1 Structure articulée

5-2 Constructions des os

6 Les muscles

6-1 Construction des muscles

6-3 Mouvement des muscles

7 Les organes et les tissus graisseux

7-1 Utilité de ces éléments

7-2 Implémentation

8 La peau

8-1 Génération

8-2 Jonction des peaux partielles

8-3 Élasticité

Michel BRET
Professeur à l'Université PARIS 8
Mars 2000

Michel BRET professeur en "Art et Technologies de l'Image"
Université Paris 8 (1997)
Article refusé par la revue Champ Visuel en 1997

Michel BRET
Professeur en A.T.I., Université PARIS8 1998
Article refusé par IMAGINA en 1998