5.2 Expérimentations et résultats
5.2.4 Expérimentation des variantes 3 et 4
Dans la variante 3, les contraintes deviennent dynamiques. Les indisponibilités des salles et des professeurs ou groupes d’élèves, ainsi que les besoins en vidéo projecteurs peuvent apparaître ou disparaître en cours de résolution. Dans la variante 4, ce sont les agents et les salles qui peuvent apparaître ou disparaître dynamiquement.
5.2. Expérimentations et résultats 0 10 20 30 40 50 60 1 13 25 37 49 61 73 85 97 109 121 133 145 157 169 181 193 205 217 229 241 253 265 Pas
Coût des contraintes relâchées Nombre de couples maximum Nombre de couples établis Nombre de réservations Coût total des contraintes
Figure 5.3 — Variation des contraintes en cours de résolution pour la variante 2.
-5 0 5 10 15 20 25 30 35 40 1 14 27 40 53 66 79 92 105 118 131 144 157 170 183 196 209 222 235 248 261 274 287 300 313 326 339 352 365 378 391 404 Pas
Coût des contraintes relâchées Nombre de couples maximum Nombre de couples établis Nombre de réservations Coût total des contraintes
Figure 5.4 — Variation des contraintes en cours de résolution pour la variante 4, avec
suppression d’unBookingAgent après stabilisation du système.
rence par rapport à l’ajout d’agents porteurs de contraintes. Nous avons lancé la résolution de la variante 1 avec une suppression d’un agent après que le système ait trouvé une so- lution. La figure 5.4 montre l’évolution des partenariats et des contraintes au cours de la résolution. Le système met 7 pas d’exécution pour retrouver la solution (pas n°329) après qu’un nouvel agent ait été ajouté (pas n°323). La figure 5.5 montre le même type de résultats pour une résolution durant laquelle huit agents de réservation ont été enlevés – ce qui cor- respond à la disparition d’un enseignant. ETTO trouve une nouvelle solution en très peu de pas, encore une fois (du pas n°384 au pas n°391).
0 5 10 15 20 25 30 35 40 45 1 15 29 43 57 71 85 99 113 127 141 155 169 183 197 211 225 239 253 267 281 295 309 323 337 351 365 379 393 Pas
Coût des contraintes relâchées Nombre de couples maximum Nombre de couples établis Nombre de réservations Coût total des contraintes
Figure 5.5 — Variation des contraintes en cours de résolution pour la variante 4, avec
suppression de huitBookingAgents après stabilisation du système.
5.3
Discussion
ETTO est un excellent terrain d’expérimentations pour les AMAS, et d’application pour ADELFE. Bien qu’ADELFE nous permette d’identifier les agents, trouver les SNC relatives auxBookingAgents n’est pas forcément évident, et surtout pas automatique. Les expérimen- tations, bien qu’étant effectuées sur un prototype restreint, montrent l’intérêt de cette ap- proche, tant au niveau conception, qu’au niveau utilisation.
Toutefois, ETTO possède actuellement plusieurs points discutables et remarquables, dont notamment les suivants :
– le système ne possède aucun critère d’arrêt. En effet, même si la solution est trouvée, les agents, n’ayant que des connaissances locales, continuent à chercher. C’est à la fois un point fort et un point faible. C’est un point fort car cela permet de générer des emplois du temps en continu, et d’ajouter des contraintes ou des agents à tout moment. C’est un point faible, car on est jamais sûr de l’optimalité de la solution ;
– les agents de réservation ne sont pas efficaces dans leur exploration de la grille. Comme nous l’avons vu, lorsque les agents de réservation se déplacent sur la grille, il choisissent leur destination aléatoirement. Cependant, il est tout à fait envisageable de l’implanter comme pour les échange de partenaires potentiels.
– en l’état actuel du logiciel, seules les modifications concernant les agents ont été im- plémentées car elles étaient prioritaires. Les salles ne sont pas des agents et leur pos- sibilité d’ajout ou de suppression va apporter des modifications dans la gestion du monde dans lequel les agents évoluent ;
– il est intéressant de noter que lors du traitement de la variante 2, l’ajout d’agents sur- numéraires peut favoriser l’amélioration de la solution. En effet, le système peut se fixer sur une solution qui n’est pas très bonne (toutes les contraintes relâchables l’ont
5.3. Discussion
été et les agents trouvent une solution ainsi). L’agent surnuméraire, en bousculant les autres agents, favorise l’amélioration continue de la solution courante ;
– que ce soit pour l’ajout ou la suppression d’agent, les actions à mener sont relative- ment simples. Les agents étant coopératifs, ils annulent leurs éventuels réservations et partenariat avant de quitter le système ;
– ETTO n’as pas été comparé à d’autres approches, plus classiques. Cela figure dans nos perspectives.
6
Un problème de transport de
ressources en robotique
collective
A
DELFE est destinée à concevoir des systèmes multi-agents auto-organisateurs, dans lesquels la fonction doit émerger des interactions entre agents. Dans ETTO, les inter- actions entre agents sont "classiques", dans le sens où, elles passent par des messages entre agents de type requête ou information. Cependant, de telles interactions ne sont pas tou- jours faciles ou possibles à mettre en place. Les interactions peuvent être moins directes et passer par l’environnement, ou uniquement par les perceptions que les agents ont sur leurs partenaires.Dans l’optique de montrer comment un SMA auto-organisateur peut être modélisé sans utiliser de communications directes entre les agents, le problème de transport multi-robots de ressources est un exemple pertinent. En effet, dans ce chapitre, nous allons appliquer ADELFE à un problème de conception de collectif de robots. Cependant, les robots étant incapables de communiquer, nous établirons un mécanisme d’auto-organisation et un ap- prentissage minimal, uniquement basés sur la perception des robots . Initialement, ce pro- blème avait été utilisé afin de montrer l’apparition de sens de circulation au sein de collec- tifs contraints comme un exemple de phénomène émergent [Picard, 2001; Picard et Gleizes, 2002].
N’étant qu’une application sans utilisateur, nous n’allons pas illustrer pleinement les phases préliminaires d’ADELFE qui concernent essentiellement les interactions entre le sys- tème et les utilisateurs, comme nous l’avons fait pour ETTO, mais seulement en présenter les principaux résultats d’analyse (§6.1). Ce chapitre se focalise donc, essentiellement, sur la conception des robots en tant qu’agents coopératifs, et sur l’apport de la coopération par rapport à des comportements nominaux. Par conséquent, l’étude des comportements coopératifs (§6.3) sera séparée de la conception des robots (§6.2). Enfin, une série d’expéri- mentations a été faite afin de valider notre approche et sera présentée dans le paragraphe 6.4.
ི ིི ི ཱཱཱཱིིིི ཱ ཱ ཱ ཱ ཱུ ཱུ ཱུ ཱུ ུ ུ ུ ུ ི ིི ི ཱཱཱཱིིིི ཱ ཱ ཱ ཱ ཱུ ཱུ ཱུ ཱུ ུ ུ ུ ུ
Figure 6.1 — L’environnement de transport multi-robot de ressources.
6.1
Transport collectif de ressources – travaux pré-conception
Le problème de transport de ressources par des robots est une tâche classique en robo- tique collective, souvent inspirée de mécanismes mis en place par les insectes sociaux pour s’adapter aux conditions de leur milieu [Vaughan et al., 2000a; Kube et Zhang, 1993]. Les robots doivent transporter des ressources d’une zone de retrait jusqu’à une zone de dépôt. Ces zones sont situées dans deux salles différentes séparées par des accès trop étroits pour que deux robots puissent y passer côte à côte (voir figure 6.1). Ici apparaît un problème d’in- terférence spatiale, dans le sens où les robots doivent partager une ressource commune : les couloirs. Une fois engagé dans un couloir, que doit faire un robot rencontrant un autre robot circulant en sens inverse ? Ce problème d’interférence a été abordé par Vaughan et al., pour des robots circulant dans des couloirs et devant traverser des passages étroits [Vaughan et al., 2000b]. Leur solution a été de résoudre les conflits par une compétition agressive (avec hiérarchie explicite, c.-à-d. robots prioritaires identifiés a priori), similaire à l’éco-résolution [Ferber, 1995]. Simonin et Ferber proposent une résolution de tels problèmes grâce à un sys- tème d’attraction-répulsion basé sur le déclenchement de comportements altruistes, vision inversée de l’éco-résolution, et sur la communication d’intentions [Simonin et Ferber, 2003]. Pour notre part, nous proposons une vision intermédiaire, dans laquelle les robots ne sont ni altruistes, ni individualistes et ne possèdent aucun moyen de communiquer directement leurs intentions. De plus nous n’utiliserons pas de système à planificateur de trajectoire. En effet, l’utilisation de la planification est rarement utilisée dans ce genre de tâche car elle reste peu performante, compte-tenu de la forte dynamique de l’environnement d’un robot.
Nous allons brièvement exposer les travaux préliminaires des besoins et d’analyse, afin de nous concentrer sur la conception des comportements coopératifs des robots.
6.1. Transport collectif de ressources travaux pré-conception