Eléments Fondamentaux de Description de Scènes dans un Modeleur Déclaratif Ghassan KWAITER IRIT - UPS Toulouse - FRANCE.

Slides:



Advertisements
Présentations similaires
(UML) Unified Modeling Language
Advertisements

Introduction à la Programmation Orientée Objet
Les processus.
Vénuti Eric, Professeur documentaliste stagiaire, Février 2014.
Modélisation Géométrique Cours 4 : Acquisition de la géométrie.
Séquence 1 : Problème posé : A quoi sert une éolienne et de quels éléments est elle constituée ? énergie renouvelable classe de 4° Analyse de l'OT.
WIKITTY Base de données orientée documents et API de persistance pour Java.
Master ESEEC Rédaction de documents (longs) structurés Patrice Séébold Bureau 109, Bât B.
ANNEE ACADEMIQUE Institut Supérieur Emmanuelle D’Alzon de Butembo COURS: THEORIE DE BASE DE DONNEES : 45H PROMOTION: G2 Gestion Informatique.
La résolution de problèmes ouverts au cycle 2 et cycle 3 « Mettre les élèves en situation d’essayer, conjecturer, tester, prouver. » (IREM de Lyon)
Les rprésentation des signaux dans le cadre décisionnel de Bayes Jorge F. Silva Shrikanth S. Narayanan.
Système d’annotation et de détection de modèle de véhicule Université de Sfax *** Institut Supérieur d’Informatique et de Multimédia de Sfax Réalisé par.
1. Introduction.
Chapitre 1 Les oscillations 1.  Site Web: A-2010/Bienvenue_.htmlhttp://
CARTER POUR SEPARATEUR ET DESHUILEUR
L’ingénierie des connaissances
Evaluer par compétences
Ch.1 : Modélisation des systèmes par SysML
Introduction aux Systèmes de Gestion de Bases de données
Pas de variable globale
Les notions de classe et d'objet
Modélisation Statique
Nouveaux programmes Éducation Musicale BO spécial août 2008
Formations CEFORA Alain Wafflard
Caractéristiques Enjeux et intérêts Recommandations pédagogiques
Le CECRL.
Université Abou Bakr Belkaid Faculté des Sciences Département d’informatique Algorithmique Avancée et Complexité Chap5: Les méthodes de résolution exactes.
Vers une méthode de développement pour les Systèmes Mixtes
Construire les premiers outils pour structurer sa pensée
Généralités sur les systèmes automatisés et l'informatique industrielle.
Simulation des nanostructures à base de nanorubans de graphène
CARTER POUR SEPARATEUR ET DESHUILEUR
Université Abou Bakr Belkaid Faculté des Sciences Département d’informatique Algorithmique Avancée et Complexité Chap7: Les méthodes de résolution exactes.
République Algérienne Démocratique et Populaire Ministère de l'Enseignement Supérieur et de la Recherche Scientifique Université Saad.
Système flexible de Workflow pour la plate-forme Motu
Je sais reproduire un modèle avec les pièces de la pyramide.
La méthode du simplexe. 1) Algorithme du simplexe  Cet algorithme permet de déterminer la solution optimale, si elle existe, d’un problème de programmation.
REVUE DE LITTERATURE. Introduction Première partie majeure dans la rédaction du mémoire, la réalisation d’une revue de littérature consiste à effectuer.
1 RECURSIVITE PRESENTATION Ch. PAUL ALGORITHMIQUE Présentation de la récursivité.
Modélisation avec UML 2.0 Partie II Diagramme de classes.
La stratégie pédagogique en
Tutoriel MATLAB-SIMULINK Projet UNIT 2009 Partenariat : Ecole des Mines d’Alès Ecole des Mines de Saint Etienne Université de Nice Sophia-Antipolis.
Vuibert Systèmes d’information et management des organisations 6 e édition R. Reix – B. Fallery – M. Kalika – F. Rowe Chapitre 1 : La notion de système.
Domaine: Numération et algèbre
1. Introduction.
Passer à la première page Initiation au calcul des structures dans le domaine plastique Elasto - plasticité en petite transformation Cours.
Modèles de représentation des systèmes d’information
Conception des SIG Entre construction théorique et mise en œuvre opérationnelle.
OPTIMISATION 1ère année ingénieurs
M. Moumnassi, S. Bordas, R. Figueredo, P. Sansen
Belkacem Ould Bouamama
OPTIMISATION 1ère année ingénieurs
Journée AmETh 9 novembre 2005
Analyse Fonctionnelle Structurelle Comportement des systèmes Mécanique
Transfert d’IHM de PC vers PDA
L’intervention peut se définir comme l’ensemble des actes professionnels visant à construire des compétences d’enseignement et d’entrainement dans les.
LES DÉMARCHES ET APPROCHES AU CYCLE 3 Que disent les programmes ? Source : Bulletin officiel spécial n°11 du 26 novembre 2015 Réalisé par
Mieux comprendre ce handicap invisible.
ENSEIGNER L’ALGORITHMIQUE ET LA PROGRAMMATION AU COLLÈGE
Contribution du LHyGeS
Moteurs de recherches Data mining Nizar Jegham.
Génie Logiciel DÉFINITION DES BESOINS. Cahier de charges: définition  Le Cahier des Charges (CDC) est un document par lequel la maîtrise d'ouvrage exprime.
PROGRAMMATION SCIENTIFIQUE EN C
Passation des consignes
Mathématiques.
PROGRAMMATION SCIENTIFIQUE EN C
Public visé Sciences expérimentales Santé, médecine Environnement
spécialité mathématiques Première
1 Un espace de classification pour l’interaction sur dispositifs mobiles Anne Roudaut, Eric Lecolinet IHM’07-Paris.
Transcription de la présentation:

Eléments Fondamentaux de Description de Scènes dans un Modeleur Déclaratif Ghassan KWAITER IRIT - UPS Toulouse - FRANCE

Sommaire Le modeleur déclaratif DEM2ONS. Le solveur de contraintes ORANOS. Représentation des expressions spatiales. Résultats et Perspectives.

DEM2ONS: Objectifs Haut niveau d’abstraction et d’interprétation des commandes : expression de l’image mentale de la scène. Manipulation de scènes à partir d’interactions multimodales. Langage naturel (écrit et oral). Langage gestuel (2D et 3D).

DEM2ONS: Synoptique du système Constrained ORANOS Inventor Objects Constraints Solver Task Model Multimodal History History Dialog Manager Event manager Monomodal Data Reception Dedicated Interfaces Syntactic Analysis Gestural Natural language 2D 3D language words speech gestures gestures mouse dataglove keyboard microphone

Sommaire Le modeleur déclaratif DEM2ONS. Le solveur de contraintes ORANOS. Représentation des expressions spatiales. Résultats et Perspectives.

Techniques de résolution de contraintes Les méthodes numériques. Les méthodes approchées : Relaxation, Newton-Raphson, ... Les méthodes exactes (formelles) : MAPLE, … Les méthodes déductives : Prolog, système expert, ... Les méthodes de propagation locale : Propagation de conflit : Les « Blue » algorithmes. Propagation de degrés de liberté : Quickplan algorithme. Les méthodes de raffinement : CSP classique. HCSP : Freuder et Wallace 89, 92, Faltings 92 et Fargier 94. DCSP : Bessière 91, Hentenryck 92, Schiex 94 et Berlandier 95.

Spécifications d’un solveur de contraintes Doit supporter les contraintes : Linéaires / non-linéaires. Egalités / inégalités. Etre dynamique et incrémental : Ajouter une nouvelle contrainte. Enlever une contrainte déjà existante. Etre efficace : Détection immédiate des incohérences et des contradictions. Toujours offrir une ou plusieurs solutions.

Caractéristiques du solveur de contraintes : ORANOS Un modèle HDCSPs étendu. Solveur de contraintes hiérarchiques. Solveur de contraintes dynamique et incrémental. Ajouter une contrainte. Enlever une contrainte. Modifier la priorité d’une contrainte.

ORANOS : Un modèle NCSP étendu un NCSP P=(V,D,C) est dérivé des CSP classiques définis par [Mackworth 77]: un ensemble de variables V={x1,...,xn}, un ensemble de domaines D={Dx1,...,Dxn} Dx1 =[ai ,bi] est un intervalle de valeurs numériques continues associé à la variable x1. un ensemble de contraintes C={C1,....Cm}.

ORANOS : Un modèle NCSP étendu Pas de solution : ssi il existe au moins un domaine Dx de D qui soit vide. Une solution d’un NCSP P=(V,D,C) : l ’ensemble des solutions sur x est : P est globalement consistant : ssi

ORANOS: solveur de contraintes hiérarchiques Contraintes Hiérarchiques [Borning 92] : C1 C0 Cn Ci Cn-1 Principe : Satisfaire en priorité les contraintes les plus fortes.

ORANOS: Solveur dynamique de contraintes Ajouter une nouvelle contrainte : Cn-1 Cn Cn ci Contraintes retirées Cn-1 C0 C1 Ci ci C0 C1 Ci Contraintes satisfaites a) b)

ORANOS: Solveur dynamique de contraintes Supprimer une contrainte existante : Cn-1 Cn ci Cn Cn-1 Ci+1 C0 C1 Ci C0 C1 Ci Contraintes : insatisfaites + retirées Contraintes satisfaites a) b)

ORANOS: Solveur dynamique de contraintes Modifier la priorité d’une contrainte : Cn-1 Cn Cn-1 Cn ci C0 C1 Ci C0 C1 Ci a) b)

Le solveur de contraintes : ORANOS Phases de résolution : La phase de raffinement : basée sur la technique de propagation d’intervalle [Lhomme 93]. La phase de recherche de solutions : positionnement des objets.

Sommaire Le modeleur déclaratif DEM2ONS. Le solveur de contraintes ORANOS. Représentation des expressions spatiales. Résultats et Perspectives.

Représentation des expressions spatiales Aurnague et Vieu [93] : Niveau géométrique : représentation des relations spatiales entre objets. Niveau fonctionnel : prise en compte des propriétés et des interactions entre objets. Niveau pragmatique : s’appuie sur des informations non-dites telle que la connaissance du monde et l’intentionnalité de l ’usager.

Niveau fonctionnel Orientations intrinsèques : Haut intrinsèque. Frontal intrinsèque : en tandem / en miroir. Latérale intrinsèque.

Niveau fonctionnel Orientation déictique. Orientation contextuelle.

« Ncible est préposition spatiale Nsite avec priorité » Contraintes Contraintes implicites : Contraintes requises: orientations intrinsèques. Contrainte souple : position initiale. Contraintes explicites : « Ncible est préposition spatiale Nsite avec priorité »

Héritage de contraintes

Sémantique de la préposition spatiale : SUR

Tâche de placement Représentation des zones de placement :

Tâche de placement

Sommaire Le modeleur déclaratif DEM2ONS. Le solveur de contraintes ORANOS. Représentation des expressions spatiales. Résultats et Perspectives.

Résultats

Résultats

Résultats

Résultats

Perspectives Prise en compte du contexte. Interaction directe sur les objets contraints. Intégrer un solveur par propagation locale : animation d’objets mécaniques ou de personnages.