Les systèmes multi-agents pour les Environnements Virtuels de Formation.

11

Les systèmes multi-agents pour les Les systèmes multi-agents pour les Environnements Virtuels de Environnements Virtuels de

Formation.Formation.

Ronan QuerrecRonan Querrec

- Laboratoire d’Informatique Industrielle -

Application à la sécurité civile.Application à la sécurité civile.

4 octobre 20024 octobre 2002

EA2215 : UBO / ENIB

22

Actualité des risques sur les sites SevesoActualité des risques sur les sites Seveso

Prévision : Préparation de plans d ’interventionPrévision : Préparation de plans d ’intervention• Multiples intervenantsMultiples intervenants• Multiples servicesMultiples services

Problème pour la formationProblème pour la formation• Difficultés de faire des exercices en environnement de Difficultés de faire des exercices en environnement de

type Sevesotype Seveso• Éviter que l’incident ne se transforme en criseÉviter que l’incident ne se transforme en crise

Introduction

33

Environnement Virtuel de Formation Environnement Virtuel de Formation • VET : Virtual Environment for TrainingVET : Virtual Environment for Training

Formation en situation opérationnelleFormation en situation opérationnelle• Sans risquesSans risques• Simulation multi-utilisateursSimulation multi-utilisateurs• Simulation d’équipesSimulation d’équipes• Fonctions pédagogiquesFonctions pédagogiques

– Modification de l’environnementModification de l’environnement– Rejeu …Rejeu …

Introduction

44

Conclusion

Perspectives

SécuRéVi

Formation à la Gestion Opérationnelle et Commandement

EnvironnementSocial

• Rationnel• Equipes• Procédures

EnvironnementPhysique

• Réactif• Réseaux d’interactions

Problématique

Environnement Virtuelde Formation

MASCARET• Comportement d’Agents• Organisation

Plan

Avatars• Représentent les utilisateurs dans le SMA

55

Origine : Acquisition de savoirsOrigine : Acquisition de savoirs• EAO, EIAO, EIAH …EAO, EIAO, EIAH …

Limites des premières applicationsLimites des premières applications• Simple application des méthodes de formationSimple application des méthodes de formation• Mauvaise analyse des besoins perceptifs des Mauvaise analyse des besoins perceptifs des

apprenantsapprenants• Peu d’ interactions Apprenants / Formateurs …Peu d’ interactions Apprenants / Formateurs …

Les Environnements Virtuels de Formation

66

Nouveaux paradigmes Nouveaux paradigmes Constructivisme [Piaget 70]Constructivisme [Piaget 70]

Immergé l’apprenant pour Immergé l’apprenant pour « Apprendre en faisant »« Apprendre en faisant »

Acquisition de savoir-faireAcquisition de savoir-faire

Les Environnements Virtuels de Formation

Réalité VirtuelleRéalité Virtuelle

77

Environnements d’apprentissageEnvironnements d’apprentissage

– ShadwellShadwell[Tate 97][Tate 97]

– EVEEVE[Gerval 02][Gerval 02]

Tuteurs intelligentsTuteurs intelligents–STEVE STEVE [Rickel 99][Rickel 99]

–Mentoniezh Mentoniezh [Py 96][Py 96]

Applications existantes

Acquisition de savoirs ou gestes techniquesAcquisition de savoirs ou gestes techniques

88

Prise de décision et non gestes techniquesPrise de décision et non gestes techniques• Faire face à des situationsFaire face à des situations acquisition de savoirs acquisition de savoirs

Travail Travail CollaboratifCollaboratif• Travail en équipes : répartition des responsabilitésTravail en équipes : répartition des responsabilités

• Travail procédural Travail procédural AdaptatifAdaptatif• Comportement adaptatif des personnagesComportement adaptatif des personnages

• Entraînement adapté à l’apprenantEntraînement adapté à l’apprenant Environnement Environnement RéalisteRéaliste

Objectifs: Environnement d’entraînement

99

Les Systèmes Multi-Agents

AAgentsgents• Simulation de personnages, phénomènes physiquesSimulation de personnages, phénomènes physiques

EEnvironnementnvironnement• SocialSocial

• PhysiquePhysique IInteractionsnteractions• Coordination d’actions, communications …Coordination d’actions, communications …

OOrganisationrganisation• Équipes …Équipes …

UUtilisateurtilisateur• Agent immergé dans le SMAAgent immergé dans le SMA

VowelsVowels[Demazeau 95][Demazeau 95]

[Tisseau 01][Tisseau 01]

1010

Environnement Virtuel de FormationEnvironnement Virtuel de Formation• Système Multi-AgentsSystème Multi-Agents• Capacités réactives, cognitives et socialesCapacités réactives, cognitives et sociales• InteractionsInteractions

MASCARETMASCARET• MMulti-ulti-AAgent gent SSystem forystem for• CCollaborative,ollaborative,• AAdaptive anddaptive and• RRealisticealistic• EEnvironments for nvironments for TTrainingraining

Thèse

1111

Conclusion

Perspectives

SécuRéVi


EnvironnementSocial




Problématique



Plan


1212

MASCARET : Le Système Multi-Agents

Je suis un agent

Je suis un agentJe suis un agent

Je suis un agent

1313

OrganisationName : string

RoleName : stringMultiplicity : integerPrerequesite (Organisation, Agent)

Agent

playRole(orgName, roleName)abandonRole(orgName, roleName)getPartners(orgName)getRolePlayers(orgName, roleName)organisationalBehavior()

BehavioralFeature

1 .. * behaviors

1 performer

*

11 .. *

MASCARET : Les agents

1414

Conclusion

Perspectives

SécuRéVi


EnvironnementSocial




Problématique



Plan


1515

Je suis un agent réactif « jet d ’eau ».Je perçois d ’autres agents.

Je les informe de mon existence.

Je suis une particule de gaz.Je suis en interaction avec un jet d ’eau.

Je modifie mon état interne.Je me déplace en conséquence.

MASCARET : L’environnement physique

Différents types de phénomènesDifférents types de phénomènes• Toxicité, échanges thermiques, mouvements …Toxicité, échanges thermiques, mouvements …

1616

Environnement physique : Contraintes

Liées à la formationLiées à la formation• Inhibition de phénomènesInhibition de phénomènes

Liées à la réalité virtuelleLiées à la réalité virtuelle• Simulation en temps Simulation en temps

contraintcontraint• Perception dans le SMA Perception dans le SMA

en O(Nen O(N22))

Modèles adaptésModèles adaptés

Structuration des Structuration des interactionsinteractions

1717

Interaction entre agents réactifs

Prise en compte de l’interactionPrise en compte de l’interaction Acquisition de l’état de la sourceAcquisition de l’état de la source Force d’interactionForce d’interaction

Interaction entre agents réactifs

Cible Ak Détection de l’interactionDétection de l’interaction

RecruteurRecruteur

Interactions DirigéesInteractions Dirigées• Source d’interactionSource d’interaction• Cible d’interactionCible d’interaction Source

Cible

Recruteur

SI

SO

force

1818

ReactiveBehavior

input()state()output()main()

ReactiveInteraction

eval()

weight

InteractionNet

Organisation Agent

Role

1 *

1 ..*BehavioralFeature

performer

1

behaviors0 ..1

Réseau d’interactions

Graph Node Link

InteractionLink<<create>>

Recruiting Source Target

Graph

INAgentorganisationalBehavior()updateSources()updateTargets()

1919

Conclusion

Perspectives

SécuRéVi


EnvironnementSocial




Problématique



Plan


2020

Je suis un agent de sécurité.

Je joue le rôle du « servant » dans l ’équipe FPT n°1

Je contrôle le tuyau pendant que

je vais au point d ’attaque

Dans la mission M10,je sais que

après que le sous-chef ait pris le dévidoir,

je dois aller au point d ’attaque

L ’équipe FPT peut exécuter des missions (M10...). Elle dispose de ressources (camion…). Les actions sont exécutées par des agents de sécurité jouant les rôles chef, sous-chef et servant.

Ils ont reçu l ’ordre d ’exécuter M10...

MASCARET : L’environnement social

2121

Organisation, rôlesOrganisation, rôles

Travail Procédural : plan d’actionsTravail Procédural : plan d’actions

Coordination Coordination « perception » des actions des autres« perception » des actions des autres

Adaptation à l’environnementAdaptation à l’environnement• Calcul de plans implicites / butsCalcul de plans implicites / buts

MASCARET : L’environnement social

2222

Organisation Agent

Role

1 *


performer

1

behaviors0 ..1

Team

TeamAgentgetSubordinates()getSuperiors()organisationalBehavior()collaborativeBehavior()

MissionGoal : boolExp

TeamRolesuperior

subordinate

subordination*

0 ..1

Procedure

Constraint

Action

start()stop()

methodstartTimestopTime

0 ..1

1 ..*

0 ..1

*

1

1

leftTerm

rightTerm

Travail procédural

2323

Comportement des agents

Partage de la connaissance organisationnellePartage de la connaissance organisationnelle• Gestionnaire de contraintes temporelles de Gestionnaire de contraintes temporelles de

AllenAllen• Langage haut niveau, InférencesLangage haut niveau, Inférences• Simulation de l’exécution sans failles de la Simulation de l’exécution sans failles de la

procédureprocédure Mais difficultés pour Mais difficultés pour • Simuler des dysfonctionnementsSimuler des dysfonctionnements• Distribuer les comportementsDistribuer les comportements

Connaissance organisationnelle individualiséeConnaissance organisationnelle individualisée

2424

Calcul de plans implicites individuelsCalcul de plans implicites individuels• La procédure explicite n’agence que les actions « métiers »La procédure explicite n’agence que les actions « métiers »

Connaissance distribuée de l’organisationConnaissance distribuée de l’organisation• Connaissances organisationnelles localesConnaissances organisationnelles locales

– Rôles, actions– Procédures

Exécution collaborative de la procédureExécution collaborative de la procédure• Coordination d’actions par envoi de messagesCoordination d’actions par envoi de messages

Comportement des agents

2525

Architecture d’agent

Perception Action Communication

Eval Pre-conditions Début Action Diffuse Résultat

Résultat ActionRésultat Actionpartenaires

Suivi ProcédureCalcul plan implicite

Comportement Organisationnel

Comportement Collaboratif

Faits

2626

Comportement collaboratif

plan(seq([ par([(chef, action(sePreparer), (souschef, action(sePreparer)) ]),chef, action(allerAPtAttaque)...

plan(seq([ par([(chef, action(sePreparer)), (souschef, action(sePreparer) ]),chef, action(allerAPtAttaque)...

Procédure sous forme de Procédure sous forme de prédicat Prologprédicat Prolog

2727


Raisonnement : Actions / ButRaisonnement : Actions / But

BehavioralFeature

Action

GoalDirectedAction

preCondition : booleanpostCondition : booleanfailCondition : boolean

sePréparer

Possede(Lance)

Possede(Tuyau)

prêt

Environnement dynamiqueEnvironnement dynamiquePerceptionPerception

2828


Calcul des plans implicitesCalcul des plans implicites• Unification et chaînage arrièreUnification et chaînage arrière

Possede(Lance)

Prendre(Lance)

Voir(Lance)

Chercher(Lance)

Perception

2929

Comportement organisationnel

Gestion de l’organisationGestion de l’organisation• Affectation des rôlesAffectation des rôles• Mise à jours des accointancesMise à jours des accointances

Gestion des échecsGestion des échecs• Contract Net Protocol [Smith Contract Net Protocol [Smith

80] 80] Action

GoalDirectedAction

preCondition : booleanpostCondition : booleanfailCondition : boolean

onFail

RequestManagerpostCondition : boolean

3030

Conclusion

Perspectives

SécuRéVi


EnvironnementSocial




Problématique



Plan


3131

Prends la lance !

Mon Humain me demande de prendre la lance,

j ’accepte. Dans la mission M10,

je sais que après que le chef ait pris la lance, je devrais aller au point d ’attaque.

Si la contrainte est satisfaite, je le ferais.

MASCARET : L’avatar

3232

Agent avatar Immersion dans le SMAImmersion dans le SMA• Agents autonomes Agents autonomes substitution en ligne substitution en ligne

Perception Action Communication

Eval Pre-conditions Début Action Diffuse Résultat

Résultat ActionRésultat Actionpartenaires

Suivi ProcédureCalcul plan implicite

Comportement Organisationnel

Comportement Collaboratif

Faits

Début Action

3333

Conclusion

Perspectives

SécuRéVi


EnvironnementSocial




Problématique



Plan


3434

SécuRéVi

Personnages Personnages Sites industriels Sites industriels

Sécurité civile et Réalité Virtuelle

H-ANIM, Poser VRML

3535

Modélisation de phénomènes physiquesModélisation de phénomènes physiques• Propagation de gaz, explosions, jets d ’eauPropagation de gaz, explosions, jets d ’eau

SécuRéVi

Organisation Agent

Role

1*


performer

1

behaviors0 ..1

Mascaret générique

InteractionNet

Recruiting

Source Target

ReactiveBehavior

ReactiveComponent

Mascaret environnementphysique

SécuRéVi

ToxicNet Toxic ToxicBehavior

3636

SécuRéVi Modélisation d’équipes de pompiersModélisation d’équipes de pompiers• FPT, CMIC … (niveau chef d ’équipe) FPT, CMIC … (niveau chef d ’équipe)

Organisation Agent

Role

1*


performer

1

behaviors0 ..1

Mascaret générique

Team TeamRole Action

Procedure GDAction

Mascaret environnementsocial

FPT

Chef

Servant Sous-Chef

SeTenirPret

BasculerFleche

SécuRéVi

3737

ARéVi : Rendu visuel et sonoreARéVi : Rendu visuel et sonore• Personnages, phénomènes physiquesPersonnages, phénomènes physiques

oRis : Simulation interactive du Système Multi-oRis : Simulation interactive du Système Multi-AgentsAgents• Agents réactifs, interactions, …Agents réactifs, interactions, …

Prolog : Comportement décisionnelProlog : Comportement décisionnel• Calcul des plans implicitesCalcul des plans implicites

Implémentation

3838

Conclusion

Perspectives

SécuRéVi


EnvironnementSocial




Problématique



Plan


3939

Environnement virtuel de formationEnvironnement virtuel de formation

Collaboratif, Adaptatif et RéalisteCollaboratif, Adaptatif et Réaliste

Système multi-agents Système multi-agents • Organisation des interactionsOrganisation des interactions

– Environnement physique et socialEnvironnement physique et social

• Comportements des agentsComportements des agents– Réactifs et sociauxRéactifs et sociaux

• Immersion des utilisateursImmersion des utilisateurs– Agent avatarAgent avatar

MASCARET : Conclusion

4040

Enrichir les comportementsEnrichir les comportements• Ajouter des « émotions » Ajouter des « émotions » • Raisonner sur les interactionsRaisonner sur les interactions• Rendre dynamique les organisationsRendre dynamique les organisations

Amélioration de l ’immersion dans le SMAAmélioration de l ’immersion dans le SMA• Perception d’actions Perception d’actions • Actes de langageActes de langage

Fonctionnalités pédagogiquesFonctionnalités pédagogiques• Scénario pédagogiqueScénario pédagogique• Pédagogie différenciéePédagogie différenciée

MASCARET : Perspectives

4141

Les systèmes multi-agents pour les Les systèmes multi-agents pour les Environnements Virtuels de Formation.Environnements Virtuels de Formation.

- Laboratoire d’Informatique Industrielle -

Application à la sécurité civile.Application à la sécurité civile.

EA2215 : UBO / ENIB

Les systèmes multi-agents pour les Environnements Virtuels de Formation.

Documents

Transcript of Les systèmes multi-agents pour les Environnements Virtuels de Formation.