Les expressions faciales ne sont pas la seule façon dont nous exprimons nos émotions – la langue du corps joue également un rôle crucial. La façon dont notre corps se déplace en riant d’un spectacle de comédie est différent de la façon dont nous nous déplaçons en nous réunissant avec un vieil ami. Bien que les deux soient des expressions de bonheur, il est difficile de trouver des schémas communs dans différentes situations. Ces modèles deviennent particulièrement difficiles à définir lorsque nous considérons également les différences interculturelles.
Des chercheurs de l’Institut de recherche de communication électrique de l’Université Tohoku (Japon) en collaboration avec l’Université nationale de Chung Cheng (Taiwan) ont relevé ces défis en collectant des mouvements corporels à partir de différentes situations, émotions et styles personnels dans un laboratoire de capture de mouvement.
Les résultats étaient publié dans Méthodes de recherche sur le comportement le 10 décembre 2024.
Contrairement aux bases de données précédentes qui se concentraient sur des actions simples et répétitives (par exemple, marcher malheureusement, marcher joyeusement, marcher avec colère), et étaient principalement basées sur les populations occidentales, cette nouvelle base de données vise à capturer un large éventail d’expressions corporelles émotionnelles dans divers scénarios, en mettant l’accent sur les Japonais nés et élevés au Japon.
Pour construire cette base de données, six artistes professionnels ont été invités à se souvenir de leurs expériences émotionnelles personnelles (par exemple, des situations qui les rendent heureuses, en colère, tristes, surpris, effrayantes, dégoûtées ou méprisantes) et les exercer en utilisant un mouvement complet du corps. Leurs performances ont été enregistrées en utilisant la technologie de capture de mouvement à grande vitesse, dans laquelle les informations 3D des mouvements ont été capturées comme une vidéo. Les enregistrements ont ensuite été transformés en simples animations de type saut.
Exemple d’un essai d’expérience, où les participants devaient deviner quelle émotion était exprimée en fonction de l’animation. La figure simplifiée n’a pas d’expressions faciales, donc l’émotion correcte (dans ce cas, la colère) doit être déterminée à partir du langage corporel seul. Crédit: Cheng et al.
Une autre approche est l’apprentissage de l’imitation, dans lequel un robot apprend en imitant les données de mesure de mouvement d’un humain effectuant la même tâche de mouvement. Bien que l’apprentissage de l’imitation soit bon dans l’apprentissage dans des environnements stables, il lutte contre de nouvelles situations ou environnements qu’il n’a pas rencontrés pendant la formation. Sa capacité à modifier et à naviguer efficacement se limite à la portée étroite de ses comportements apprises.
« Nous avons surmonté bon nombre des limites de ces deux approches en les combinant », explique Mitsuhiro Hayashibe, professeur à la Graduate School of Engineering de l’Université Tohoku. « L’apprentissage de l’imitation a été utilisé pour former un contrôleur de type CPG et, au lieu d’appliquer un apprentissage en profondeur au CPG [central pattern generator] lui-même, nous l’avons appliqué à une forme d’un réseau neuronal réflexe qui a soutenu les CPG. «
Les participants à l’étude ont regardé ces animations et jugé l’émotion perçue exprimée. Les résultats ont montré qu’ils pouvaient reconnaître les émotions uniquement à partir des mouvements du corps, et la précision était aussi bonne que les bases de données d’action simples passées. Parmi les émotions étudiées, la colère et la peur étaient les plus faciles à reconnaître, tandis que le mépris et le dégoût étaient les plus difficiles.
« Il s’agit d’une première étape cruciale dans le développement d’une base de données de mouvement corporelle diversifiée et basée en Asie pour soutenir la recherche sur la communication émotionnelle », remarque le Dr Miao Cheng, professeur adjoint à l’Université Tohoku.
« We are extremely fortunate to have the support of a local musical company based in Sendai, SCS musical company, to fully support this endeavor from the moment performers were recruited and throughout their performances. Without the professional help provided by Mr. Jun Hirose and Mr. Kazumasa Fujita from SCS musical company, it would have been very difficult to properly bridge art and science in this study, » said Dr. Chia-huei Tseng, an Associate Professor at Université de Tohoku.
Les recherches futures peuvent utiliser cette base de données pour offrir de nouvelles informations sur les variations culturelles de la communication non verbale. Cela sera utile pour développer des outils de communication technologique pour faciliter la communication et la compréhension interculturelles. Cette ressource devrait profiter aux chercheurs et aux industries des avantages sociaux en utilisant des techniques de capture de mouvement telles que les jeux, le cinéma, l’animation et la réalité virtuelle.
Plus d’informations:
Miao Cheng et al, vers une base de données de mouvement corporel basée en Asie pour la communication émotionnelle, Méthodes de recherche sur le comportement (2024). Doi: 10.3758 / s13428-024-02558-2