Mathématiques  |  Informatique

 

Arnaud Maillard, 2006 | Villars-sur-Glâne, FR

 

L’évolution des robots avec des fonctionnalités de plus en plus sophistiquées a permis de les doter de comportements complexes. Ce progrès a ouvert la voie à l’exploration de stratégies d’apprentissage de comportements complexes, impliquant un ou plusieurs robots. L’analyse de ces comportements intéresse les chercheur·euse·s depuis une trentaine d’années. Ils se sont penchés sur les aspects suivants: détection de comportements anormaux, réactivité des robots à de nouvelles situations. Toutefois, les études scientifiques sur l’émergence spontanée de comportements restent limitées, en particulier dans le cadre d’interactions impliquant plusieurs robots. Dans ce contexte, mon étude propose une approche innovante basée sur le dessin permettant d’identifier et d’analyser l’émergence de comportements complexes au sein d’un groupe de robots évoluant dans un environnement simplifié. Les résultats de mes expériences montrent qu’il est possible de détecter l’émergence de comportements complexes, non seulement grâce aux motifs apparaissant dans le dessin, mais aussi par leur absence. Mon travail a des implications, notamment dans la détection d’anomalies au sein de systèmes multi-agents, comme des réseaux de voitures autonomes, où un dysfonctionnement pourrait être fatal.

Problématique

Mon travail cherche à répondre aux deux questions suivantes:
1. Peut-on observer et identifier par le dessin l’émergence de comportements complexes de robots dans un environnement protégé?
2. Quel est l’impact du changement des paramètres du système sur l’émergence de comportements complexes et leur détection par le dessin?

Méthodologie

Le système multi-agents utilisé dans mon travail est constitué de deux binômes dessinateurs que j’ai créés en empilant deux robots Thymio et en les connectant avec des pièces LEGO Technic. Le robot du bas se charge du déplacement dans l’environnement et celui du haut de la position du feutre. Je les ai ensuite fait coopérer en appliquant le modèle de coordination par encapsulation et le paradigme de communication pair à pair. Le comportement de chaque robot est décidé par un automate fini. J’ai implémenté ces nombreux concepts avec le langage de programmation événementielle Aseba. Les robots ont dessiné sur des feuilles de papier collées ensemble et entourées de murs en carton pour maintenir les robots dans la zone de dessin.

Résultats

En réponse à la première question, les expériences effectuées avec les deux binômes de robots ont montré que les dessins reflètent bel et bien des comportements émergents complexes. Ces nouveaux comportements peuvent être détectés par l’apparition ou la disparition de motifs inattendus, ainsi que par des variations imprévues dans les proportions de couleur des motifs représentés.
En réponse à la deuxième question, les expériences avec des configurations variées ont permis de conclure qu’un petit changement de paramètres a de grosses conséquences sur la quantité et la diversité d’apparition de comportements complexes émergents, sans toutefois empêcher leur détection par le dessin.

Discussion

Voici les limites de ma méthode:
– Elle a été testée dans un environnement protégé et de complexité limitée
– Le nombre de robots doit être adapté en fonction de la taille de l’environnement
– Les robots ne peuvent pas dessiner trop longtemps
– Il faut analyser les dessins soi-même, car la détection n’est pas automatique
– Il faut la répéter plusieurs fois pour comparer les dessins
– Enregistrer ou regarder le déroulement

Les avantages de ma méthode sont qu’elle:
– Demande peu de ressources
– Permet une grande flexibilité
– Permet de détecter l’émergence de comportements lors du dessin ainsi que par après
– Peut être appliquée à un dessin virtuel

Conclusions

Les expériences ont montré que le dessin peut être utilisé pour détecter l’émergence de comportements complexes. La méthode que j’ai proposée est facile à mettre en pratique mais son inconvénient est que la détection n’est pas automatique. Pour y remédier, je pourrais utiliser une intelligence artificielle pour analyser une photo du dessin en spécifiant les motifs attendus: ligne, courbes, … et les proportions de couleurs attendues, ou dessiner dans un environnement virtuel et réagir en direct à l’émergence de motifs inattendus. Dans les deux cas, la difficulté est de différencier les motifs attendus des anomalies. Ma méthode a de nombreuses applications. Elle peut par exemple être appliquée à des systèmes multi-agents, tels que des réseaux de voitures autonomes, afin d’identifier leurs comportements émergents et anomalies, et ainsi, d’éviter des problèmes, comme des embouteillages ou des collisions.

 

 

Appréciation de l’expert

Alexandre Nanchen

Le candidat présente une approche novatrice pour la détection de comportements complexes émergents de la coopération entre robots. S’appuyant sur les principes des systèmes multi-agents, il fait preuve d’une réelle créativité dans l’élaboration de sa méthode. Malgré la complexité inhérente à son implémentation, la méthode est mise en œuvre avec succès et les expérimentations témoignent d’une méthodologie cohérente et soigneusement pensée. Les résultats obtenus sont prometteurs et ouvrent des perspectives intéressantes, notamment au-delà du domaine de la robotique.

Mention:

très bien

Prix spécial «START Summit» décerné par START Global

 

 

 

Kollegium St. Michael, Fribourg
Enseignant: François Sprumont