Planification en environnement situé et stratégies d’équipes

Slides:



Advertisements
Présentations similaires
Human Side Europe Valoriser le Capital Humain
Advertisements

22 mai 2007 Clauvice Kenfack – Équipe MODEME
Animation scientifique de l'équipe Green
Fabrice Lauri, François Charpillet, Daniel Szer
Simulation d’un réseau avec correspondances
Thème 1 : Principales conclusions Vers 9-10 années pour tous: politiques et stratégies prometteuses.
IREMIA : Institut de REcherche en Mathématiques et Informatique Appliquées Université de la Réunion Uniformisation des mécanismes de conception de SMA.
10/31/02 Leïla Merghem - LIP6 Une approche Multi-Agents pour la Simulation de Réseaux de Télécommunications Leïla Merghem (LIP 6) Dominique Gaïti (LIP.
Un défi pour les SMA : explorer l'émergence Jean-Pierre Georgé (Davy Capera, Marie-Pierre Gleizes, Pierre Glize) Equipe SMAC - IRIT - UPS - Toulouse
Page 1 GE21 – Des approches socio-techniques 3. Des approches socio-techniques et de co- production de linnovation : lancrage social et territorial de.
Plate-forme Magicien d’Oz
DE NOUVELLES RESSOURCES POUR LENSEIGNEMENT ET LA FORMATION : ENSEIGNER ET FORMER AUTREMENT André Paradis Vice-recteur aux services académiques et aux technologies.
Organiser des Tests dans un projet
Etudiant : Julien SIGNOLES Sous la direction de : Jean-Claude MARTIN
Outils du travail collaboratif
Intégration des NTIC dans le BTS NRC
Un plan d’équipement   la sensibilisation et l’information des acteurs concernés le bilan des difficultés et surtout l’évaluation des capacités de l’enfant.
Présentation du logiciel MotionWorks
Interactions - Systèmes Multi - Agents Master IMA - 1 Environnement
univ-lr.fr
NetBioDyn Et la modélisation multiagents
Orléans, Conseil régional du Centre, 10 décembre Programmes INTERREG IVB NWE & IVC Conseils méthodologiques Marie PREVOST, Point de Contact national.
La formation du personnel civil
Page : 1 Normes et standards dans lenseignement AM Husson – 10/10/2003 Les normes et standards technologiques sont-ils suffisants aux besoins du e-learning?
Laboratoire LCOMS Equipe « Evaluation de Performance et Systèmes d’Aide à la Personne » (EPSAP) Guy Bourhis CENRob 4-5 avril.
La virtualité et la petite enfance
Étude de larticle : « Behavior Learning and Individual Cooperation in Autonomous Agents as a Result of Interaction Dynamics with the Environment » de S.
Présenté par: Pascal Volet, ing. Conférence des usagers EMME Ottawa-Gatineau Le 23 octobre 2008 Dynameq à la Ville de Montréal: Le lien entre les modèles.
Les Systèmes Multi-Agents pour la Gestion de Production
Exploitation du modèle holonique dans un cadre combinant IAD et IHM
Enseigner par situations professionnelles contextualisées
Environnements Informatiques
Jean-Noel Guillossou Responsable du Programme SSATP Priorités stratégiques du SSATP Réunion annuelle, décembre 2012.
Ergonomie et facteurs humains
1- Aider l'élève à mieux se connaître, sur les plans affectif et cognitif :
La team Razmoket présente son projet Milky
Réseau des établissements scolaires Est. Notre intention Accompagner les participants à actualiser leurs compétences professionnelles dans le but de développer.
B Souda Abdelhafidh Mai 2006 Lévaluation est-elle une innovation en Tunisie B souda Abdelhafidh Élève inspecteur au CENAFFE.
MOT Éditeur de modèles de connaissances par objets typés
I.Aperçu du projet II.Organisation du projet III.Processus de gestion IV.Processus technique V.Conclusion.
Les dispositifs hybrides
GT Modèles Formels pour l'Interaction
GDR I3 - GT Modèles Formels pour l’Interaction
Journée de lancement du Réseau Thématique Pluridisciplinaire 32
L’intégration professionnelle des enseignantes et enseignants en formation professionnelle, une démarche qualifiante.
Intégration à TRNSYS du noyau de CODYRUN, code de simulation thermo-aéraulique de bâtiments : le Type 59 Alain BASTIDE, Harry BOYER, Philippe LAURET, Franck.
Structuration de GCM Filière Domaine d’activité en informatique
La Métamémoire.
Métiers de Montagne et Nanotechnologies
Université de Provence (Aix-Marseille I)
Qu’est-ce qu’une OD ? « Selon l'Opération Didactique, notre monde est comme un monde de relations et d'intégration. Les systèmes y sont des touts intégrés.
Conception d’un asservissement
TECFA Technologies pour la Formation et l’Apprentissage Bachelor Psychologie / SED /autres UV 74147
CHARGEMENT, CENTRAGE ET STABILITE LONGITUDINALE
1 La formation en français dans le domaine de la santé Présentation de Pascal Marchand La formation d’équipe de recherche pour de meilleurs résultats Ottawa.
Plan de la présentation
Garantir la pérennité de l’activité
Réseaux de Petri et ontologies : des outils pour le suivi de l’apprenant dans les jeux sérieux (SG) P. Thomas, A. Yessad, J.-M. Labat Équipe Mocah, LIP6,
TECFA Technologies pour la Formation et l’Apprentissage Bachelor Psychologie / SED /autres UV 74147
Environnements Informatiques
LA PRISE EN CHARGE DU TRAVAIL COOPÉRATIF
Société de l’information et régions Politique régionale 1 Les stratégies régionales pour la société de l ’information Jean-Bernard Benhaiem,
Les SFC, qu’est-ce que c’est? = Compétences professionnelles non techniques Contributionnelles : organisation - participation Sociales : sociabilité –
Comment augmenter l’engagement des acteurs dans les processus d’apprentissage et d’enseignement ? – Approche BYOD ? – « Inquiry » learning ? – Quelles.
Sensibilisation et éducation à la sécurité routière
1 er février 2016 Des pistes pour accroître la réussite et la persévérance en enseignement supérieur.
Ergonomie et facteurs humains Kahina HADDADI M2EID 2015/2016.
IRIT (UMR 5505 CNRS - INP – UPS – UT1) Vie Artificielle et Réalité Virtuelle Equipe Synthèse d’Images et Réalité Virtuelle.
RENCONTRE DES RESPONSABLES DEVELOPPEMENT DURABLE DE L’ENSEIGNEMENT SUPERIEUR FRANCOPHONE, 4-5 JUIN 2009 Formation et recherche Partage d’expériences.

Transcription de la présentation:

Planification en environnement situé et stratégies d’équipes Damien Devigne Philippe Mathieu Jean-Christophe Routier Equipe SMAC, LIFL, LILLE 1 {devigne, mathieu, routier}@lifl.fr

Plan CoCoA Notre modèle d’agents centré interactions Présentation du moteur de planification Intégration des équipes dans le modèle Conclusion

CoCoA (Collaborative Cognitive Agents) Logiciel de simulation de comportements d’équipes s’appuyant sur des agents cognitifs autonomes situés géographiquement dans un environnement Séparation Agents Interactions Environnement

Exemples d’application Simulations sociales in situ Robocup Rescue Jeux vidéo

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

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

Le moteur de comportement planification E X C U T I O N connaissances interactions sélection mémoire màj vision environnement

Les gardes de distance Appuyer c : g : distance(acteur, cible) < 1 a : bouton.appuyé = vrai Aller c : conditions de l’environnement g : a : distance(acteur, cible) < 1 Ouvrir c : acteur.possede(cible.clef) = vrai a : cible.verrouillée = faux Prendre a : acteur.possede(cible) = vrai 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

Quelques problèmes d’équipes Equipes sans chef (auto-organisation) Equipes avec chef (gestion centralisée) Gestion de la synchronisation Equipes antagonistes Dynamicité de l’équipe Notre approche : Equipes d’agents autonomes, collaboratifs, avec chef, sans simultanéité

Exemple de problème d’équipe maçon menuisier charpentier couvreur électricien plombier peintre ...

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

Problème de l’autonomie des agents interaction condition ? ...

Problème de l’autonomie des agents interaction Plan abstrait du chef condition condition condition interaction interaction interaction Plans concrets des agents condition condition condition interaction interaction interaction condition condition condition condition interaction interaction interaction interaction ... ...

Notre méthode : Interprétation abstraite du plan Ajout des interactions des agents aux connaissances du chef SANS les conditions et les gardes chef.peut-effectuer équipe.peut-effectuer nom I1 I2 I3 I4 conditions P1, P2 - garde G1 actions P0 P1 P2 P3

Plan d’équipe, plan des agents Chef Agent 1 Agent 2 P0 I3 I4 I1 P1 P2 I3 I4

Allocation des tâches Transformation en graphe de flot B0 B1 B2 B3 A0 X A1 A2 A3 A0 [1] B0 [1] [1] [1] [1] [1] A1 B1 [1] [1] S [1] P [1] [1] A2 B2 [1] [1] [1] [1] [1] A3 B3 [1]

Allocation des tâches Algorithme de Ford-Fulkerson A0 B0 A1 B1 S P A2

Allocation des tâches Algorithme de Ford-Fulkerson On avance sur les arcs non saturés et on les sature On recule sur les arcs saturés et on les désature A0 B0 A1 B1 S P A2 B2 A3 B3

Allocation des tâches Fin de l’algo Si plus de chaînes augmentantes alors flot maximal L’affectation maximale est donnée par les arcs (Ai, Bj) A0 B0 A1 B1 S P A2 B2 A3 B3

Réallocation des tâches Ajout de nœuds dans le graphe Agent libre : Nouvel agent Agent libéré Tâche à affecter : Nouvelle tâche Agent supprimé A0 B0 A1 B1 S P A2 B2 A3 B3 A4 B4

Réallocation des tâches Algorithme de Edmonds-Karp Recherche de chaînes augmentantes de longueur minimale Minimisation du nombre de changements A0 B0 A1 B1 S P A2 B2 A3 B3 A4 B4

Réallocation des tâches Algorithme de Edmonds-Karp A0 B0 A1 B1 S P A2 B2 A3 B3 A4 B4

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

Conclusion Notre approche Travaux futurs modèle original centré interactions, interprétation abstraite du plan Travaux futurs Gestion des échecs en équipe, remontée d’information Gestion dynamique des capacités de l’équipe (recrutement) Minimisation du temps total d’inactivité des agents Synchronisation