Bilan et apports

Nous avons construit, dans un premier temps, des modèles réactifs d’inspiration phy-siques pour la navigation multi-véhicules. Ensuite, nous avons appliqué une approche de spécification et de vérification adaptée aux systèmes multi-agents réactifs. Enfin, nous avons simulé et expérimenté ces modèles.

12.1.1 Proposition d’un modèle multi-agents réactifs pour la conduite

en convoi

Nous avons, dans cette thèse, défini un modèle multi-agents appliqué à la conduite en convoi en utilisant des agents réactifs interagissant entre eux et avec leur environnement en fonction de lois physiques. L’accroche immatérielle a été réalisé avec un lien mécanique virtuel de type “masse-ressort” entre les véhicules. Le lien “masse-ressort” a été complété par un moment de torsion.

En fonction de la distance et de l’angle de courbure entre deux véhicules, une force ~

F résultante de la somme de la force du ressort, de l’amortisseur et de la force de torsion est appliquée au véhicule suiveur. L’agent véhicule élabore alors sa décision (accélération, direction) en appliquant le principe fondamental de la dynamique.

Chaque véhicule agent du train dispose ainsi d’un modèle d’interaction lui permettant de suivre le véhicule précédent. Par rapport aux travaux existants sur la conduite en convoi, notre approche peut être assimilée aux méthodes dites de “proche en proche” tout en résol-vant ces principaux défauts. Le problème d’oscillation a été résolu à partir d’un mécanisme permettant une adaptation dynamique des paramètres du modèle (raideur du ressort, coef-ficient d’amortissement, ... ) en fonction de la dynamique du véhicule. De plus, le moment de torsion qui complète le modèle “masse ressort”, permet de remédier à l’anticipation en courbe.

12.1.2 Proposition d’un modèle multi-agents réactifs pour la

naviga-tion autonome

Contrairement à la conduite en convoi, nous nous intéressons ici au comportement d’un seul véhicule se déplaçant le long d’une trajectoire tout en évitant les obstacles. Ce com-portement permet au véhicule de naviguer de manière complètement autonome le long d’un itinéraire prédéfini. Le véhicule doit être capable d’éviter des obstacles pouvant apparaitre sur cette itinéraire et, éventuellement, adapter sa vitesse en fonction des contraintes géné-rées par les obstacles.

Dans le modèle que nous proposons, le véhicule est considéré comme un système multi-agents. Les agents prennent collectivement la meilleure décision compte tenu de la percep-tion des contraintes. L’environnement des agents est construit à partir des informapercep-tions fournies par les capteurs du véhicule. L’organisation émergent de ce comportement est in-terprétée et transformée en une décision globale en utilisant des indicateurs globaux basés sur une analyse géométrique (position moyenne, vitesse moyenne des agents, ...) et sur la physique statistique.

12.1 Bilan et apports 159

12.1.3 Spécification et vérification de la conduite en convoi

De nombreuses applications de systèmes multi-agents réactifs doivent satisfaire des priétés de sûreté. C’est le cas des convois multi-véhicules, qui constituent la principale pro-blématique de cette thèse.

Pour répondre à cette exigence, nous avons utilisé une approche de vérification adap-tée aux propriétés de sûreté, basée sur la spécification formelle et l’utilisation du model-checking. Nous avons suivi cette approche pour vérifier une propriété de sûreté relative aux convois multi-véhicules : l’absence de collision.

L’une des caractéristiques de cette approche est son caractère compositionnel qui nous a permis d’éviter l’explosion combinatoire lors de la vérification.

Ces expériences montrent aussi la pertinence de l’approche de vérification en tant qu’outil de dimensionnement : des scénarii de fonctionnement peuvent être définis en don-nant des valeurs aux multiples paramètres du modèle pour déterminer les meilleurs confi-gurations qui satisfont la propriété de sûreté.

Si bien, nous n’avons pas accordé une attention considérable à l’aspect méthodologique, nous croyons que la démarche générale adoptée au cours de nos travaux peut donner lieu à quelques idées générales en la matière. En effet, nous avons identifié un certain nombre d’activités de modélisation, de spécification, d’analyse, ... ainsi que des relations de dépen-dance celles-ci. L’annexe E présente, de façon abstraite, une généralisation de la méthode suivi au cours de ces travaux.

12.1.4 Simulation et expérimentation

Les différents tests effectués, tant en simulation qu’avec des véhicules électriques du laboratoire SeT, nous ont permis de mettre en évidence que l’utilisation de SMAR pour la navigation multi-véhicules possède un certain nombre de propriétés intéressantes :

– Adaptation aux véhicules : le comportement d’agent a été mis en place sur différents véhicules : le Robucab et les SetCar. Ces deux implémentations illustrent l’adapta-bilité du modèle proposé dans cette thèse.

– Paramètres variables : le modèle d’interaction est basé sur plusieurs paramètres. Le paramétrage variable, en fonction des caractéristiques dynamiques du système, permet de supprimer les oscillations de la distance inter-véhicule le long du train. – Erreur latérale et longitudinale : les simulations et expérimentations ont permis de

montrer que l’erreur latérale et longitudinale induite par la conduite en convoi est faible comparé aux autres approches dite de “proche en proche”.

– Faible coût : le comportement intelligent du véhicule étant basé sur une perception locale et sans communication. Chaque véhicule est équipé d’un unique capteur

pou-vant être de type télémétrique.