Modeles de comportements sociaux pour les collectivites d'agents et de robots

• Auteur / Autrice : Sébastien Picault
• Direction : Alexis Drogoul
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance en 2001
• Etablissement(s) : Paris 6

Résumé

Les travaux presentes ici, dans le cadre des systemes multi-agents (sma) et de l'intelligence artificielle distribuee (iad), s'interessent au probleme de l'organisation dans les systemes ouverts. Dans ce cadre, nos recherches visent a definir des modeles de comportements sociaux permettant aux agents de s'organiser pour s'adapter a leur environnement. Notre demarche fait appel, entre autres principes methodologiques, au concept de cercle vertueux qui se propose d'emprunter des metaphores a d'autres disciplines scientifiques pour concevoir des modeles informatiques. Dans un premier temps, nous recherchons dans les societes animales (en l'occurrence chez les primates) des metaphores de comportements proches de nos besoins. Nous definissons alors des modeles d'agent qui permettent, en simulation, de reproduire une des caracteristiques sociales observees chez les primates, la reconnaissance des relations de dominance. Ces modeles font ensuite l'objet d'une transposition a un domaine different, la construction collective d'un lexique, pour estimer plus finement les dynamiques collectives sous-jacentes. Dans un second temps, nous nous interessons a une experimentation de robotique collective ouverte dans laquelle un groupe de robots doit s'adapter a un environnement ou travaillent des humains (projet microbes). Nous montrons que dans ces conditions, une simple transposition n'est plus possible et qu'il faut prendre en compte la corporeite des robots. Nous proposons alors pour cela des principes de conception de comportements d'agents faisant appel a la selection naturelle (l'ethogenetique) et nous presentons les resultats obtenus avec un framework implementant ces concepts (atnosferes). Nous montrons ainsi comment elargir les principes de depart en conciliant approche multi-agent et algorithmes evolutionnistes, en empruntant des concepts issus de l'ethologie.