IFT615 – Intelligence artificielle Planification temporelle

Slides:



Advertisements
Présentations similaires
Iceberg Cube Ne calculer que les cellules du datacube dont le nombre d'occurences satisfait la condition : HAVING COUNT(*) >= minsup Motivation Supposons.
Advertisements

1 Supposons que lon dispose de 4 registres ARM Considérons le code C suivant w = a + b; x = c + w; y = c + d;
Métabolisme révision décembre Révisions de métabolisme.
Partie publique Corps Partie privée p1 Un paquetage est constitué dune partie publique dune partie privée et dun corps.
Gestion de la connaissance – lexpérience dun cabinet juridique britannique Kate Stanfield Head of Knowledge Management CMS Cameron McKenna.
P2 P3 Nos conseils lectures (partie 2 Hunger games): P4.
‘Les Verbes au Présent’
Les Verbes au Présent (The Present Tense) What is the Present Tense ? In English and in French the present tense is used to talk about things which are.
La Qualité Totale : Méthodes et outils (EME205) Samedi 14 janvier 2006
LImparfait Le passé quon utilise avec les événements répétés et les descriptions.
Delagnes 15/10/07 1 Resist Meeting Saclay 15/10/07 E. Delagnes.
Gains à l’échange sur les marchés
Le jeu d ’instructions Introduction Un jeu d ’instruction classique
Le cadre réglementaire
Le lycée Arcisse de Caumont De BAYEUx présente…
LE SURPLUS DU CONSOMMATEUR
Travaux Pratiques ELISA
Rectangle Rectangle Définition Construction Propriété 1 Règle
Caractéres sélectionnés par la domestication
Tests et Validation du logiciel
Ordonnancement des mouvements de deux robots
Méthode des Cas Identifier la problématique
L’art d’écrire pour les revues scientifiques
Articuler des programmes complémentaires autour d’un même site atelier
Programme de mercatique
IFT702 Intelligence Artificielle
Architectures logicielles Dynamiques Caractérisation de quatre styles de base.
COMPARAISON DES PROFILS DE TENEUR EN EAU ET DE SUCCION DANS LES LIMONS
Des RRA à la diagnosticabilité
Froduald Kabanza Département d’informatique Université de Sherbrooke
RS-5000 “Phono Pull” automatique
Optimisation des Requêtes. Introduction Introduction.
Cours VHDL Chap 3: sémantique VHDL
IFT 702 – Planification en intelligence artificielle Planification par recherche heuristique dans un espace d’états Froduald Kabanza Département d’informatique.
Module 7 : Géométrie algorithmique. 23/7/2007Géométrie algorithmique2 Plan du module Aire dun triangle Problème 361.
La programmation objet Illustration de la POO en Pascal
Eri Prasetyo Universitas Gunadarma
Présentation finale de Travail de Bachelor
REFERENTIEL Référentiel des activités professionnelles : RAP
IFT 2251 Génie Logiciel Spécification de Processus Concurrents
Jean-François Landry Département d’informatique
IFT 702 Planification en intelligence artificielle Contrôle de la recherche avec des réseaux de tâches hiérarchiques Froduald Kabanza Département dinformatique.
CONCEPTION ET SIMULATION DE CIRCUITS ÉLECTRONIQUES
Programmation linéaire en nombres entiers Algorithme de la subdivision successive («Branch and Bound Algorithm»)
Université de Sherbrooke
Lycée Saint-Exupéry Mantes-La-Jolie
L’ORGANISATION DES ENSEIGNEMENTS
Exemple : (fichier “ automobile ”)
École dété de Guidel 2010 Outil national de positionnement Présentation Annie Journu.
©J.Tiberghien - ULB-VUB Version 2007 Première partie, chap. 1, page 1 Chapitre 1.1 Ordinateurs : Organisation Matérielle.
Les circuits avec résistances ohmiques
Découverte de correspondances entre ontologies distribuées
IFT313 Introduction aux langage formels
1 PtiLoo Compléments de Cours pour réaliser les Extensions version 20/08/ :51 Ajout à faire pour version 20/08/ :51 n "animation" pour.
Prendre en compte les valeurs individuelles dans l’affectation d’un budget en faveur de l’environnement Agnes Grandgirard, Brett Bryan, Andrea Cast, Darla.
© Sopra, 1999 / Date / Nom doc / p1 Ethernet - Pratique SOPRA. / IUT GTR Éric Aimée.
QCM 1 Windows 2000.
QCM 2 Windows 2000.
Mkg/SB/photovoltaiqueProperty of Prysmian, Inc.26/10/2007- P1 L’énergie Photovoltaïque.
Images, pavages et motifs
Soutenance du stage de terrain Impact de la photochimie, du transport et des sources sur la variabilité des concentrations des polluants gazeux à la Couronne.
La création d’entreprises Réalisé avec le soutien du
Le Kit du Chef de Projet CCPM
Mise à jour des Fichiers Redo Log
La certification Réforme du BTS Comptabilité Gestion 16 décembre 2014
Cours de mathématiques économiques
H5 Harry a un chapeau et une chouette mais pas de balai Harry a un chapeau et une chouette mais pas de balai.
IFT702 Intelligence Artificielle Froduald Kabanza Département d’informatique Université de Sherbrooke IFT702 TLPlan.
1 © Maris, IRIT 2009 Planification Temporelle Frédéric MARIS IRIT – Université Paul Sabatier – Toulouse.
Introduction Définir Planning. L’agent Planning. Représentation pour l’agent planning. Idées derrieres l’agent planning.
Transcription de la présentation:

IFT615 – Intelligence artificielle Planification temporelle Éric Beaudry http://planiart.usherbrooke.ca/~eric/ Étudiant au doctorat en informatique Laboratoire Planiart

Sujets Planification temporelle Planification avec actions simultanées

Planification classique Chaque action a une durée implicite (unitaire). Un plan est une séquence d’actions. Recherche A*. «Planification heuristique» = planification basée sur une recherche avec une heuristique indépendante du domaine.

Plans séquentiels Mission Plan Déplacer(p1,p2) Déplacer(p1,p2) Pos=p1 Déplacer(p1,p2) Déplacer(p1,p2) Mission Livrer message m1 de p3 à p5 État initial Position = p1 … Déplacer(p1,p2) Pos=p7 Pos=p2 Pos=p3 Prendre(m1,p3) … … Pos=p3 Déplacer(p3,p5) p1 p2 p3 p4 p5 p6 p7 p8 p9 p10 p11 Pos=p5 Plan SeDéplacer(p1, p3) PrendreMsg(m1, p3) SeDéplacer(p3, p5) Livrer(m1, p5) Livrer(m1,p5) Pos=p5

Planification de missions pour robots sur MARS Image Source : http://marsrovers.jpl.nasa.gov/gallery/artwork/hires/rover3.jpg Exemple d’une application nécessitant des actions temporelles (concurrente) Planification de missions pour robots sur MARS

Transport Problem Initial State Goal State r1 r2 r3 r4 r1 r2 r3 r4 r5 robot robot

Classical Planning (A*) Goto(r5,r1) Goto(r5,r2) … Take(…) … … … … Goto(…) … … …

Modification pour planification temporelle Préconditions  Conditions at start at end over all L’état a un temps. Les actions une une durée.

Classical Planning Temporal Planning : add current-time to states … Goto(r5, r1) … Goto(r1, r5) Temporal Planning : add current-time to states Goto(r5, r1) Goto(r1, r5) Time=0 Time=60 Time=120

Planification temporelle par recherche à chainage avant Augmentation de l’espace d’états Chaque état contient une file d’événements (agenda) qui mémorise les effets futurs («delayed effects»). Un état : Estampille temporelle Contenu de l’état (faits) Une file d’événements futurs

Concurrent Mars Rover Problem Goto(a, b) InitializeSensor() AcquireData(p) at begin: robotat(a) over all: link(a, b) atbegin: not initialized() over all: at(p) initialized() Conditions Conditions Conditions at begin: not at(a) at end: at(b) at end: initialized() at end: not initialized() hasdata(p) Effets Effets Effets

Exemple de problème Initial State Goal State r1 r2 r3 r4 r1 r2 r3 r4 robot Camera (Sensor) is not initialized. Picture r2 . robot has

Action Concurrency Planning Time=0 Time=0 InitCamera() Position=undefined Position=undefined Goto(r5,r2) 90: Initialized=True 120: Position=r2 État initial 120: Position=r2 … Time=0 Position=r5 Time=0 Position=undefined … Goto(c1, r3) 150: Position=r3 Goto(c1, p1) InitCamera() Time=0 Time=90 Position=r5 Position=r5 Initialized=True $AdvTemps$ 90: Initialized=True … …

(Suite) … Time=0 Time=0 Goto(r5, r2) Initial State Time=0 Position=r5 InitCamera() Position=undefined Initialized=False Position=undefined Initialized=False Goto(r5, r2) Initial State 90: Initialized=True 120: Position=r2 … 120: Position=r2 Time=0 Position=r5 Initialized=False $AdvTemps$ Time=90 Position=undefined Initialized=True 120:+ Position=r2 $AdvTemps$ Time=130 Time=120 Time=120 $AdvTemps$ Position=r2 Initialized=False HasPicture(r2) Position=r2 TakePicture() Position=r2 Initialized=True 130: HasPicture(r2)=True 130: Initialized=False [120,130] Position=r2

Extracted Solution Plan Goto(r5, r2) InitializeCamera() TakePicture(r2) 40 60 90 120 Time (s)