La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

1 Planification en environnement situé et stratégies déquipes Damien Devigne Philippe Mathieu Jean-Christophe Routier Equipe SMAC, LIFL, LILLE 1 {devigne,

Présentations similaires


Présentation au sujet: "1 Planification en environnement situé et stratégies déquipes Damien Devigne Philippe Mathieu Jean-Christophe Routier Equipe SMAC, LIFL, LILLE 1 {devigne,"— Transcription de la présentation:

1 1 Planification en environnement situé et stratégies déquipes Damien Devigne Philippe Mathieu Jean-Christophe Routier Equipe SMAC, LIFL, LILLE 1 {devigne, mathieu,

2 2 Plan CoCoA Notre modèle dagents centré interactions Présentation du moteur de planification Intégration des équipes dans le modèle Conclusion

3 3 CoCoA (Collaborative Cognitive Agents) Logiciel de simulation de comportements déquipes sappuyant sur des agents cognitifs autonomes situés géographiquement dans un environnement Séparation Agents Interactions Environnement

4 4 Exemples dapplication Simulations sociales in situ Robocup Rescue Jeux vidéo

5 5 Différents points de vue Autres approches Emergence Plan-Merging Plans statiques et réseaux de Pétri Notre approche Planification pour agents cognitifs situés avec chef

6 6 Notre modèle dagents centré interactions Agents propriétés Peut-subir (cible) Peut-effectuer (acteurs) non omniscients situés géographiquement cognitifs Interactions Connaissance abstraite Acteur, cible Exemple Ouvrir conditions: acteur.possede(cible.clef) garde: distance(acteur, cible) < 1 actions: cible.verrouillee = faux

7 7 Le moteur de comportement màj Moteur de planification EXECUTIONEXECUTION vision environnement sélection connaissances mémoire interactions

8 8 Les gardes de distance appuyer bouton distance(bob,bouton)<1 aller bouton p1.verrouillee = faux ouvrir p1 +-posseder c1 | prendre c1 | distance(bob,c1)<1 | aller c1 +-distance(bob,p1)<1 aller p1 Appuyer c : g : distance(acteur, cible) < 1 a : bouton.appuyé = vrai Aller c : conditions de lenvironnement g : a : distance(acteur, cible) < 1 Ouvrir c : acteur.possede(cible.clef) = vrai g : distance(acteur, cible) < 1 a : cible.verrouillée = faux Prendre c : g : distance(acteur, cible) < 1 a : acteur.possede(cible) = vrai

9 9 Quelques problèmes déquipes Problèmes : Equipes sans chef (auto-organisation) Equipes avec chef (gestion centralisée) Gestion de la synchronisation Equipes antagonistes Dynamicité de léquipe Notre approche : Equipes dagents autonomes, collaboratifs, avec chef, sans simultanéité

10 10 Exemple de problème déquipe maçon menuisier charpentier couvreur électricien plombier peintre...

11 11 Collaboration des agents : Nécessité des équipes Agents animés : A1 peut-effectuer : {I1} peut-subir : Ø A2 peut-effectuer : {I2} peut-subir : Ø Agents inanimés : A3 peut-subir : {I1} A4 peut-subir : {I2} Environnement : ¬P0 ¬P1 P2 But des agents : P0 Interaction I1 conditions P1 garde G1 actions P0 Interaction I2 conditions P2 garde G2 actions P1 Problèmes : A1 ne peut pas déclencher I1 car ¬P1 A2 ne déclenche pas P2 car il ne connait pas I1

12 12 Problème de lautonomie des agents interaction condition interaction condition interaction condition interaction condition interaction condition interaction ?...

13 13 Problème de lautonomie des agents interaction condition interaction condition interaction condition interaction condition interaction condition interaction... Plan abstrait du chef Plans concrets des agents

14 14 Notre méthode : Interprétation abstraite du plan Ajout des interactions des agents aux connaissances du chef SANS les conditions et les gardes chef.peut-effectueréquipe.peut-effectuer nomI1I2I3I4 conditionsP1, P2--- gardeG1--- actionsP0P1P2P3

15 15 Plan déquipe, plan des agents P0 I1 I4I3 I4 P1P2 ChefAgent 1Agent 2

16 16 Allocation des tâches Transformation en graphe de flot B0B0 B1B1 B2B2 B3B3 A0A0 XXX A1A1 X A2A2 XX A3A3 XX S A0A0 A1A1 A2A2 A3A3 P B0B0 B1B1 B2B2 B3B3 [1]

17 17 Allocation des tâches Algorithme de Ford-Fulkerson S A0A0 A1A1 A2A2 A3A3 P B0B0 B1B1 B2B2 B3B3

18 18 Allocation des tâches Algorithme de Ford-Fulkerson S A0A0 A1A1 A2A2 A3A3 P B0B0 B1B1 B2B2 B3B3 On avance sur les arcs non saturés et on les sature On recule sur les arcs saturés et on les désature

19 19 Allocation des tâches Fin de lalgo S A0A0 A1A1 A2A2 A3A3 P B0B0 B1B1 B2B2 B3B3 Si plus de chaînes augmentantes alors flot maximal Laffectation maximale est donnée par les arcs (A i, B j )

20 20 Réallocation des tâches Ajout de nœuds dans le graphe S A0A0 A1A1 A2A2 A3A3 P B0B0 B1B1 B2B2 B3B3 A4A4 B4B4 Agent libre : Nouvel agent Agent libéré Tâche à affecter : Nouvelle tâche Agent supprimé

21 21 Réallocation des tâches Algorithme de Edmonds-Karp S A0A0 A1A1 A2A2 A3A3 P B0B0 B1B1 B2B2 B3B3 A4A4 B4B4 Recherche de chaînes augmentantes de longueur minimale Minimisation du nombre de changements

22 22 Réallocation des tâches Algorithme de Edmonds-Karp S A0A0 A1A1 A2A2 A3A3 P B0B0 B1B1 B2B2 B3B3 A4A4 B4B4

23 23 Réallocation des tâches Améliorations Prise en compte du « coût » des changements (distance à parcourir pour atteindre la nouvelle cible) Algorithme hongrois

24 24 Conclusion Notre approche modèle original centré interactions, interprétation abstraite du plan Travaux futurs Gestion des échecs en équipe, remontée dinformation Gestion dynamique des capacités de léquipe (recrutement) Minimisation du temps total dinactivité des agents Synchronisation

25 25


Télécharger ppt "1 Planification en environnement situé et stratégies déquipes Damien Devigne Philippe Mathieu Jean-Christophe Routier Equipe SMAC, LIFL, LILLE 1 {devigne,"

Présentations similaires


Annonces Google