HAL Id: tel-02318387
https://tel.archives-ouvertes.fr/tel-02318387
Submitted on 17 Oct 2019
HAL is a multi-disciplinary open access archive for the deposit and dissemination of sci- entific research documents, whether they are pub- lished or not. The documents may come from teaching and research institutions in France or abroad, or from public or private research centers.
L’archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d’enseignement et de recherche français ou étrangers, des laboratoires publics ou privés.
environnement virtuel 3D
Thomas Durif
To cite this version:
Thomas Durif. Environnement informé sémantiquement enrichi pour la simulation multi-agents : ap- plication à la simulation en environnement virtuel 3D. Web. Université de Bourgogne, 2014. Français.
�NNT : 2014DIJOS079�. �tel-02318387�
Thèse de Doctorat
n
é c o l e d o c t o r a l e s c i e n c e s p o u r l ’ i n g é n i e u r e t m i c r o t e c h n i q u e s
U N I V E R S I T É D E B O U R G O G N E
Environnement inform ´e
s ´emantiquement enrichi pour la simulation multi-agents.
Application `a la simulation en environnement virtuel 3D.
T HOMAS D URIF
Thèse de Doctorat
é c o l e d o c t o r a l e s c i e n c e s p o u r l ’ i n g é n i e u r e t m i c r o t e c h n i q u e s
U N I V E R S I T É D E B O U R G O G N E
TH ` ESE pr ´esent ´ee par
T HOMAS D URIF
pour obtenir le
Grade de Docteur de l’Universit ´e de Bourgogne
Sp ´ecialit ´e : Informatique
Environnement inform ´e s ´emantiquement enrichi pour la simulation multi-agents.
Application `a la simulation en environnement virtuel 3D.
Unit ´es de Recherche :
Equipe Checksem, Le2i, UMR CNRS 6306, Universit ´e de Bourgogne, ´
Multiagent Group, IRTES-SeT, EA 7274, Universit ´e de Technologie de Belfort-Montb ´eliard Soutenue publiquement le 17 octobre 2014 devant le Jury compos ´e de :
P IERRE G ANC ¸ ARSKI Rapporteur Universit ´e de Strasbourg
R EN E ´ M ANDIAU Rapporteur Universit ´e de Valenciennes
O LIVIER B OISSIER Examinateur ENS Mines de Saint- ´ Etienne
A BDERRAFIAA K OUKAM Examinateur Universit ´e de Technologie de Belfort- Montb ´eliard
C HRISTOPHE N ICOLLE Directeur de th `ese Universit ´e de Bourgogne
N ICOLAS G AUD Co-Encadrant de th `ese Universit ´e de Technologie de Belfort-
Montb ´eliard
R EMERCIEMENTS
Je tiens d’abord `a remercier MM. Ren ´e Mandiau, Professeur des Universit ´es de l’Univer- sit ´e de Valenciennes, et Pierre Ganc¸arski, Professeur des Universit ´es de l’Universit ´e de Picardie Jules Verne, pour l’int ´er ˆet qu’ils ont port ´e `a mon sujet en acceptant de rappor- ter mon travail. Je les remercie pour les diff ´erentes remarques et corrections qu’ils ont sugg ´er ´ees en vue d’am ´eliorer la qualit ´e et la pertinence de ce m ´emoire de th `ese.
Je remercie ´egalement MM. Olivier Boissier, Professeur `a l’ENS de Mines Saint-Etienne, et Abderrafiaa Koukam, Professeur des Universit ´es de l’Universit ´e de Technologie de Belfort-Montb ´eliard, pour avoir accept ´e d’examiner mon travail et de faire partie de mon jury.
Je tiens ´egalement `a remercier mon directeur de th `ese, M. Christophe Nicolle, Professeur des Universit ´es de l’Universit ´e de Bourgogne pour m’avoir accueilli au sein de l’ ´equipe CHECKSEM. Il a su m’initier et me former au travail de chercheur et a dirig ´e cette th `ese en partageant g ´en ´ereusement ses connaissances dans la recherche scientifique. Je lui adresse l’expression de ma sympathie et de ma profonde gratitude. Gr ˆace `a lui, je pourrai moi aussi dire que
je l’ai fait dans ma th `ese
.
Je remercie tr `es chaleureusement mon co-encadrant de th `ese, M. Nicolas Gaud, Maˆıtre de conf ´erences au laboratoire Syst `emes et Transports de l’Universit ´e de Technologie de Belfort-Montb ´eliard, pour tous ses conseils, ses recommandations, son soutien, ses encouragements et pour m’avoir suivi tout au long de cette th `ese.
Mes remerciements s’adressent aussi `a tous les membres de l’ ´equipe CHECKSEM, an- ciens comme nouveaux, que ce soit pour leur aide active ou simplement la bonne hu- meur et l’ambiance conviviale : Ana, Anett, Aur ´elie, Fayrouz, Florence, M ´elodie, Perrine, Val ´eriane, Benjamin, Cl ´ement, Christophe, Christophe, David, Florian, Florian, Florian, Helbert, Henri, Jordan, Laurent, Mahdi, Rafa `el, Romain, Sylvain, Tarcisio, Yoan. Je re- mercie tout particuli `erement M. Florian Orpeli `ere, Ing ´enieur d’ ´etudes au sein de l’ ´equipe CHECKSEM, pour l’apport tant technique que scientifique `a mes recherches.
Je remercie Conseil R ´egional de Bourgogne, qui m’a donn ´e les moyens de r ´ealiser mes recherches.
Merci `a tous ceux qui m’ont aid ´e de pr `es ou de loin afin que je puisse mener `a bien ces travaux de recherche.
Merci `a tous mes proches, pour leur soutien, leurs encouragements, leurs relectures et bien plus.
v
S OMMAIRE
I Contexte 1
1 Introduction 3
1.1 Contexte . . . . 4
1.2 Probl ´ematiques et objectifs de ces travaux . . . . 7
1.3 Description du plan de la th `ese . . . . 9
2 Etat de l’art ´ 11 2.1 Introduction . . . 13
2.2 D ´efinitions et fondamentaux sur les syst `emes multi-agents . . . 13
2.2.1 D ´efinition de la notion d’agent . . . 13
2.2.2 D ´efinition d’un syst `eme multi-agents . . . 14
2.3 D ´efinitions et fondamentaux sur la simulation . . . 15
2.4 La simulation multi-agents . . . 15
2.5 La simulation en environnement virtuel . . . 18
2.6 Comportement d’agent : planification et s ´election d’action . . . 20
2.6.1 S ´election d’action . . . 20
2.6.2 Planification . . . 23
2.6.3 Repr ´esentation de l’environnement et planification . . . 24
2.7 Vers un mod `ele inform ´e de l’environnement . . . 26
2.8 D ´efinitions et fondamentaux sur le web s ´emantique . . . 27
2.8.1 Le World Wide Web . . . 28
2.8.2 D ´efinitions . . . 29
2.8.3 Technologies et Architecture . . . 31
2.9 Les logiques de description . . . 34
2.10 Bases de connaissances `a base de logique de description . . . 37
2.11 D ´efinitions et fondamentaux du raisonnement . . . 40
vii
2.11.1 Raisonnement par d ´eduction . . . 41
2.11.2 Raisonnement par induction . . . 41
2.11.3 Raisonnement par abduction . . . 42
2.11.4 Raisonneur s ´emantique . . . 43
2.12 La s ´emantique appliqu ´ee aux SMA . . . 45
2.12.1 S ´emantique pour l’environnement . . . 46
2.12.2 S ´emantique pour les agents . . . 47
2.13 Conclusion . . . 48
II Environnement inform ´e s ´emantiquement enrichi pour la simulation
multi-agents 49
3 Introduction 51
4 Environnement inform ´e s ´emantiquement enrichi 57
5 M ´ecanismes comportementaux `a base de r `egles 59
6 Conclusion 61
III Application 63
7 Navigation de pi ´etons dans des b ˆatiments en 3D 65
IV Conclusions et Perspectives 67
8 Conclusion 69
9 Perspectives 71
SOMMAIRE ix
V Annexes 75
VI R ´ef ´erences 79
Bibliographie 81
Table des figures 91
Liste des tables 93
I
C ONTEXTE
1
1
I NTRODUCTION
Sommaire
1.1 Contexte . . . . 4 1.2 Probl´ematiques et objectifs de ces travaux . . . . 7 1.3 Description du plan de la th`ese . . . . 9
3
1.1/ C ONTEXTE
La mod ´elisation et la simulation de la dynamique de pi ´etons et d’individus, et plus g ´en ´eralement la mod ´elisation du comportement humain et des dynamiques collectives associ ´ees repr ´esentent un challenge th ´eorique majeur pour de nombreuses disciplines scientifiques. Ce type de simulation intervient de plus en plus dans la conception d’outils de formation et d’entraˆınement notamment pour la formation `a la conduite (train, bus, etc.) et la formation des personnels dans les domaines de la d ´efense et de la s ´ecurit ´e. Il intervient ´egalement pour la conception d’outils d’aide `a la d ´ecision et pour l’ ´evaluation de diff ´erents sc ´enarios de planification, d’am ´enagement du territoire ou d’optimisation de r ´eseaux de transports. Ce type de simulation est de plus en plus souvent associ ´e `a une visualisation en deux ou trois dimensions tentant de reproduire le plus fid `element possible le syst `eme r ´eel ´etudi ´e en exploitant la multitude des sources de donn ´ees actuellement disponibles au niveau des syst `emes d’informations g ´eographiques et des diverses bases de donn ´ees associ ´ees.
Deux grandes cat ´egories de simulations d’individus dans des univers virtuels peuvent ˆetre distingu ´ees selon qu’elles cherchent `a atteindre un haut niveau de r ´ealisme com- portemental (simulation pour la s ´ecurit ´e ou les sciences sociales) ou une visualisation de haute qualit ´e (production de films, de jeux vid ´eos, d’outils de r ´ealit ´e virtuelle) [Thal- mann and Musse, 2007]. Dans la premi `ere cat ´egorie, les r ´esultats de simulation sont g ´en ´eralement coh ´erents avec les observations r ´ealis ´ees sur la population r ´eelle et peuvent servir de base `a des ´etudes th ´eoriques pour l’ ´evaluation et la pr ´evision des comportements des individus. Dans la seconde cat ´egorie, les mod `eles de comportement ne sont pas la priorit ´e et ne correspondent pas quantitativement au monde r ´eel. Cepen- dant, les individus sont des personnages en 3D enti `erement anim ´es et les utilisateurs de l’application peuvent avoir un degr ´e ´elev ´e d’interaction avec ces ´el ´ements de la simula- tion. Les recherches et les applications r ´ecentes tendent `a unifier ces deux cat ´egories, en particulier dans le domaine des syst `emes de formation o `u les deux aspects s’av `erent n ´ecessaires pour un apprentissage ou un entraˆınement efficaces.
La simulation multi-agents est l’une des approches les plus ad ´equates pour tenter de reproduire la dynamique de population. Elle se r ´ef `ere aux mod `eles qualifi ´es individus- centr ´es (cf. [Amblard, 2003]) et fournit un outil permettant de mod ´eliser et simuler la dy- namique de populations compos ´ees d’individus en interaction. Ce type de simulation as- simile l’individu `a un agent. La simulation multi-agents a ´et ´e appliqu ´ee `a un grand nombre de domaines tels que la robotique [Drogoul, 1993, Kitano et al., 1997], l’ ´ethologie [Dro- goul and Picault, 1999], l’ ´ecologie et la biologie, ou les sciences sociales [Conte et al., 1998, Gilbert and Troitzsch, 2005].
Le domaine qui nous int ´eresse en premier lieu dans ce manuscrit est la simulation en tant
que support pour le d ´eveloppement d’outils d’aide `a la d ´ecision et plus particuli `erement
d’aide `a l’ ´evaluation de la configuration d’un b ˆatiment et de son ad ´equation `a ses usages.
1.1. CONTEXTE 5
En d’autres termes, l’application `a long terme vis ´ee par nos travaux est la qualification de b ˆatiments en exploitant des techniques d’ ´evaluation bas ´ees sur la simulation multi- agents. L’objectif de cette th `ese n’est ´evidemment pas de d ´evelopper un tel outil, mais de fournir le support th ´eorique qui en facilitera la conception.
La th `ese d ´efendue dans ce manuscrit s’int ´eresse donc plus particuli `erement `a la simu- lation multi-agents appliqu ´ee `a la simulation d’individus dans des b ˆatiments 3D virtuels. Pour ce faire, nos travaux se proposent de capitaliser l’exp ´erience acquise dans le domaine du web s ´emantique sur les ontologies et les moteurs d’inf ´erence associ ´es pour faciliter la conception et le d ´eveloppement de comportements intelligents pour des agents ´evoluant dans des univers virtuels. L’objectif est de fournir aux agents une ap- proche g ´en ´erique pour g ´erer leur repr ´esentation du monde et raisonner sur cette repr ´esentation. Cette th `ese se situe donc `a la crois ´ee de deux domaines th ´eoriques : la simulation multi-agents et plus g ´en ´eralement les syst `emes multi-agents, et le do- maine des ontologies et du web s ´emantique.
La composante applicative des travaux de recherche d ´ecrite dans ce manuscrit constitue cependant une dimension pr ´epond ´erante. Par la suite, nous verrons que la conception d’une simulation multi-agents est un processus long et co ˆuteux, cette th `ese aspire donc
`a optimiser ce processus en int ´egrant diff ´erents standards (notamment ceux du domaine du b ˆatiment : BIM 1 et IFC 2 ) et en proposant une architecture logicielle g ´en ´erique et extensible.
Il est clair que d ´evelopper des comportements intelligents pour des agents passe n ´ecessairement par l’ ´etude des aspects th ´eoriques li ´es `a la notion de raisonnement.
Le raisonnement qualifie tout `a la fois un processus cognitif et les r ´esultats issus de ce processus. La notion de raisonnement constitue l’un des fondamentaux de la philo- sophie depuis ses origines antiques avec Aristote au travers notamment de la science qui lui est d ´edi ´ee : la logique. D `es l’Antiquit ´e, la dualit ´e de la notion de raisonnement en tant que processus et r ´esultat de ce processus est d’ailleurs soulign ´ee. Le domaine de la logique m `ene de front l’ ´etude des processus logiques au travers notamment de la notion d’inf ´erence, qu’elle soit d ´eductive, inductive ou abductive (voire intuitive pour Des- cartes), avec l’examen des objets manipul ´es par ces processus : les faits, l’information ou la connaissance. La notion d’ontologie trouve d’ailleurs ses racines dans cette seconde discipline en se focalisant d’abord sur l’ ´etude de la nature et l’identification des propri ´et ´es du r ´eel et de l’ ˆetre.
De nombreux travaux se sont int ´eress ´es `a l’ ´etude du raisonnement dans le domaine des syst `emes multi-agents et plus g ´en ´eralement de l’intelligence artificielle au travers notam- ment des probl ´ematiques de s ´election d’action, de planification, etc. On peut consid ´erer que l’approche initialement d ´evelopp ´ee dans cette discipline a d’abord ´et ´e centr ´ee sur la vision du raisonnement en tant que processus dans l’id ´ee de d ´evelopper des m ´ecanismes
1. Building Information Model
2. Industry Foundations Classes
mim ´etiques du fonctionnement du cerveaux humain et animal. Ces travaux ont ´et ´e certes f ´econds, cependant apr `es plus de vingt ann ´ee de recherche, il reste difficile d’identifier un standard dans ce domaine. La question de la repr ´esentation de la connaissance demeure une question br ˆulante dans le domaine des syst `emes multi-agents.
A contrario, les chercheurs et les industriels du domaine du web s ´emantique ont adopt ´e ` une approche diff ´erente d’abord centr ´ee sur la connaissance, sur sa repr ´esentation et sur l’identification de m ´ecanismes standards pour la d ´ecrire et l’ ´echanger avant de s’int ´eresser ensuite `a sa manipulation. La litt ´erature s’accorde g ´en ´eralement sur les termes de Gruber pour d ´efinir une ontologie :
sp ´ecification explicite d’une conceptuali- sation partag ´ee d’un domaine
[Gruber, 1993]. Plus de vingt ann ´ees se sont ´ecoul ´ees depuis cette d ´efinition et aujourd’hui la conception d’ontologies est devenue une t ˆache commune. La raison d’ ˆetre d’une ontologie est le partage de la connaissance d’un do- maine. Pour supporter cet ´echange, diff ´erents langages ont ´et ´e propos ´es. Parmi eux, on distingue g ´en ´eralement les langages d’ ´echange d’ontologies sur le Web (RDF 3 et OWL 4 ), dont la syntaxe est bas ´ee sur le langage XML, et les langages op ´erationnels qui impl ´ementent les ontologies `a des fins d’inf ´erences (SWRL 5 ), afin de constituer un com- posant d’un syst `eme d’information (graphes, logiques, langues restreintes). Le domaine des ontologies est de plus en plus mature gr ˆace aux outils fournis par la communaut ´e du Web s ´emantique 6 . L’implication des industriels et l’explosion de l’Internet ont contribu ´e `a l’ ´etablissement plus rapide de standards internationalement reconnus dans ce domaine pour la repr ´esentation des connaissances, notamment RDF et OWL. Aujourd’hui, ce do- maine s’int ´eresse pleinement `a la notion de raisonnement en tant que processus et de nombreux outils sont d ´esormais disponibles sur le march ´e. Ils ont bien s ˆur b ´en ´efici ´e des travaux qui ont ´et ´e men ´es en intelligence artificielle tout en s’int ´egrant dans les stan- dards qui r ´egissent le web. Cette th `ese s’inscrit donc dans cette approche f ´ed ´eratrice nourrie par les ´echanges mutuels entre les domaines de l’intelligence artificielle et du web s ´emantique.
3. RDF : Dan Brickley [2004]
4. OWL : Working Group [2012a]
5. SWRL : Horrocks et al. [2004]
6. SW - Semantic Web : http://www.w3.org/2001/sw/
1.2. PROBL ´ EMATIQUES ET OBJECTIFS DE CES TRAVAUX 7
1.2/ P ROBL EMATIQUES ET OBJECTIFS DE CES TRAVAUX ´
Dans ce contexte, l’objectif principal de cette th `ese peut ˆetre r ´esum ´e ainsi :
Proposer un mod `ele pour concevoir et d ´evelopper des comportements com- plexes et r ´ealistes pour la simulation multi-agents dans des environnements 3D s ´emantiquement enrichis.
Cet ´enonc ´e peut ˆetre analys ´e de la mani `ere suivante :
Proposer un mod `ele
Pour Le Moigne [1999], la notion de mod `ele est
une repr ´esentation intelligible artifi- cielle, symbolique, des situations dans lesquelles nous intervenons : mod ´eliser c’est `a la fois identifier et formuler quelques probl `emes en construisant des ´enonc ´es, et cher- cher `a r ´esoudre ces probl `emes en raisonnant par des simulations. En faisant fonctionner le mod `ele ´enonc ´e, on tente de produire des mod `eles solutions. Mod ´elisation et simula- tion, r ´eflexion et raisonnements, sont les deux faces ins ´eparables de toute d ´elib ´eration
. Adh ´erant pleinement au raisonnement de Le Moigne [1999], la th `ese d ´efendue dans ce manuscrit s’attache `a fournir une repr ´esentation intelligible de la notion d’environnement au sein d’une simulation afin de faciliter la conception des comportements d’agents ma- nipulant cette repr ´esentation.
pour concevoir et d ´evelopper des comportements complexes et r ´ealistes
Le terme comportement s’int ´eresse aux processus de d ´elib ´eration des agents qui guident la prise de d ´ecision et la d ´etermination des actions qu’ils effectuent et qui mo- difient l’ ´etat de leur environnement. La notion de complexit ´e survient bien ´evidemment lorsque ces comportements s’attachent `a reproduire sous certaines conditions les com- portements observ ´es dans le monde r ´eel. La notion de comportement s’int ´eresse no- tamment `a la d ´etermination de la s ´equence d’actions qui, `a partir de l’ ´etat courant de l’environnement, permettra `a l’agent d’atteindre un ´etat de l’environnement correspon- dant `a ses objectifs personnels. Cette th `ese ne contribue pas directement `a produire de nouveaux mod `eles ou outils pour la conception de comportements mais exploite les moteurs d’inf ´erences s ´emantiques pour faciliter la phase de planification et de s ´election d’action.
pour la simulation multi-agents dans des environnements 3D s ´emantiquement enrichis
L’objectif de la simulation est de faciliter la compr ´ehension de la dynamique d’un syst `eme
et de tenter d’en pr ´edire l’ ´evolution. Notre approche se focalise sur l’une des compo-
santes principales de toute simulation multi-agents : l’environnement. Pour Weyns et al.
[2007], l’environnement est une abstraction de premier ordre qui fournit les conditions g ´en ´erales aux agents pour exister et qui joue le r ˆole d’interface pour supporter les inter- actions entre agents et leur permettre d’acc ´eder aux ressources 7 .
Derri `ere cette d ´efinition g ´en ´erique se cachent en fait de multiples repr ´esentations et vi- sions de la notion d’environnement : environnement physique, environnement social, et environnement d’ex ´ecution. Nous nous focalisons principalement sur la dimension phy- sique de l’environnement, l’environnement situ ´e en tant que collection d’objets physiques du monde et ensemble de processus garantissant la dynamique endog `ene de ce monde.
La notion d’environnement physique se r ´ef `ere `a la classe de syst `emes r ´eels ou simul ´es dans laquelle les agents, ainsi que les objets, disposent d’une position explicite et pro- duisent des actions elles-aussi localis ´ees. Notre objectif vise `a enrichir cette description physique de l’environnement en ajoutant une dimension s ´emantique personnalisable et extensible en fonction des objectifs de l’application cibl ´ee. Chaque objet se voit associer une description s ´emantique des actions possibles pour le manipuler et des effets poten- tiels associ ´es. Cette description est adapt ´ee `a la typologie et aux objectifs de l’agent qui la perc¸oit. C’est l’exploitation de cette couche s ´emantique qui permet dans un second temps de contribuer `a faciliter les processus de d ´elib ´eration des agents et la planification de leurs actions pour la satisfaction de leurs objectifs.
Le terme planification prend un sens particulier dans les environnements situ ´es dans lesquels la probl ´ematique de navigation est centrale. De plus, la dimension applicative de cette th `ese est centr ´ee sur la simulation `a l’int ´erieur des b ˆatiments. Notre approche portera donc un int ´er ˆet tout particulier `a l’enrichissement s ´emantique de l’environnement dans l’objectif d’optimiser le comportement des agents face aux probl ´ematiques de pla- nification de chemin et de navigation. Cependant, le mod `ele propos ´e reste g ´en ´erique et applicable `a d’autres approches de planification.
La probl ´ematique centrale pour enrichir s ´emantiquement l’environnement d’une simula- tion multi-agents est la d ´efinition d’une ontologie d ´ecidable mod ´elisant l’ensemble des connaissances contenues dans l’environnement virtuel 3D.
Enfin pour offrir aux agents la possibilit ´e d’exploiter pleinement les moteurs d’inf ´erence s ´emantique, le cœur de la probl ´ematique adress ´ee par cette th `ese vise `a d ´efinir une on- tologie et les r `egles associ ´ees pour mod ´eliser le comportement d’agents mobiles dans un environnement virtuel.
La r ´esolution de ces deux probl `emes nous permettra de disposer d’un environnement de simulation enti `erement repr ´esent ´e sous la forme d’ontologies et de r `egles s ´emantiques, parfaitement ins ´er ´e dans un processus de conception professionnelle du b ˆatiment.
7. “The environment is a first-class abstraction that provides the surrounding conditions for agents to exist
and that mediates both the interaction among agents and the access to resources”.
1.3. DESCRIPTION DU PLAN DE LA TH ` ESE 9
1.3/ D ESCRIPTION DU PLAN DE LA TH ESE `
Apr `es ce bref tour d’horizon des propositions pr ´esent ´ees dans cette th `ese, cette sec- tion introduit le plan de ce manuscrit. Selon les objectifs ´enonc ´es dans la section 1.2, cette th `ese est organis ´ee en quatre parties. Les diff ´erents chapitres qui composent ce document ainsi que leur organisation respective sont r ´esum ´es par la figure 1.1.
F IGURE 1.1 – Plan de la th `ese
La partie I, intitul ´ee Contexte, pr ´esente le cadre de ces travaux de recherche, avec, dans un premier temps l’introduction g ´en ´erale ci-pr ´esente. Et dans un second temps, l’ Etat de ´ l’art est consacr ´e `a la pr ´esentation des ´el ´ements th ´eoriques des deux domaines sous- jacents aux travaux pr ´esent ´es dans cette th `ese, `a savoir les syst `emes multi-agents d’une part, et le domaine du web s ´emantique d’autre part. Les fondamentaux sur les syst `emes multi-agents et `a la simulation multi-agents sont donc introduits avec une attention toute particuli `ere sur la simulation multi-agents en environnement virtuel et les probl ´ematiques associ ´ees. Nous ferons ensuite une courte introduction du web s ´emantique, pr ´esentant les fondements et les technologies de ce dernier.
La partie II, intitul ´ee Environnement inform ´e s ´emantiquement enrichi pour la si- mulation multi-agents, constitue le cœur de notre contribution et pr ´esente le mod `ele d’environnement inform ´e s ´emantiquement enrichi, ainsi que son exploitation pour le d ´eveloppement de comportements de planification et de navigation.
Le chapitre 4, intitul ´e Environnement inform ´e s ´emantiquement enrichi pr ´esente les ´el ´ements mis en place dans la description de l’environnement pour r ´epondre `a la probl ´ematique de l’enrichissement s ´emantique de l’environnement. Il propose une mod ´elisation de l’environnement qui associe `a la fois une repr ´esentation g ´eom ´etrique et une repr ´esentation s ´emantique des objets de l’environnement. Cette mod ´elisation de l’environnement doit ˆetre aussi proche que possible de la r ´ealit ´e de l’environnement phy- sique. Pour cela nous avons fait deux choix :
– nous ins ´erer dans le processus de conception d’un b ˆatiment r ´eel en d ´erivant des ma- quettes num ´eriques du b ˆatiment conc¸ues par les architectes ;
– utiliser une repr ´esentation ontologique de la connaissance du b ˆatiment.
Le chapitre 5, intitul ´e M ´ecanismes comportementaux `a base de r `egles pr ´esente la fac¸on dont nous utilisons cet environnement enrichi afin d’aider le processus de planifica- tion d’agents intelligents en exploitant les m ´ecanismes d’inf ´erences. Ces m ´ecanismes peuvent ˆetre r ´ealis ´es sur des ontologies d ´ecidables `a l’aide de raisonneurs pour repr ´esenter le comportement des agents mobiles au sein de l’environnement.
La partie III, intitul ´ee Application, propose la mise en œuvre des travaux pr ´esent ´es sur l’exemple de l’ ´evacuation de pi ´etons d’un ´etablissement recevant du public.
Enfin, la partie IV, intitul ´ee Conclusions et Perspectives, pr ´esente un bilan des travaux
de recherche d ´ecrits dans cette th `ese et dresse un panorama de quelques-unes des
perspectives possibles afin de guider les travaux futurs et les ´eventuelles extensions des
mod `eles propos ´es.
2
E ´ TAT DE L ’ ART
L ’objectif de ce chapitre est de positionner nos travaux de recherche par rapport
`a l’existant. Nos travaux proposent de faire travailler de concert les domaines de la simulation multi-agents et du web s ´emantique. Ce chapitre est donc une introduction `a ces domaines. Une fois ces deux domaines pr ´esent ´es, nous devrons focaliser notre
´etude sur les probl ´ematiques de chacun pour en identifier les verrous et poser les fondements de notre approche.
Sommaire
2.1 Introduction . . . . 13 2.2 D´efinitions et fondamentaux sur les syst`emes multi-agents . . . . 13 2.2.1 D´efinition de la notion d’agent . . . . 13 2.2.2 D´efinition d’un syst`eme multi-agents . . . . 14 2.3 D´efinitions et fondamentaux sur la simulation . . . . 15 2.4 La simulation multi-agents . . . . 15 2.5 La simulation en environnement virtuel . . . . 18 2.6 Comportement d’agent : planification et s´election d’action . . . . 20 2.6.1 S´election d’action . . . . 20 2.6.2 Planification . . . . 23 2.6.3 Repr´esentation de l’environnement et planification . . . . 24 2.7 Vers un mod`ele inform´e de l’environnement . . . . 26 2.8 D´efinitions et fondamentaux sur le web s´emantique . . . . 27 2.8.1 Le World Wide Web . . . . 28 2.8.2 D´efinitions . . . . 29 2.8.3 Technologies et Architecture . . . . 31 2.9 Les logiques de description . . . . 34 2.10 Bases de connaissances `a base de logique de description . . . . 37 2.11 D´efinitions et fondamentaux du raisonnement . . . . 40 2.11.1 Raisonnement par d´eduction . . . . 41 2.11.2 Raisonnement par induction . . . . 41
11
2.11.3 Raisonnement par abduction . . . . 42
2.11.4 Raisonneur s´emantique . . . . 43
2.12 La s´emantique appliqu´ee aux SMA . . . . 45
2.12.1 S´emantique pour l’environnement . . . . 46
2.12.2 S´emantique pour les agents . . . . 47
2.13 Conclusion . . . . 48
2.1. INTRODUCTION 13
2.1/ I NTRODUCTION
Un syst `eme multi-agents peut ˆetre simplement d ´ecrit comme un syst `eme compos ´e d’un ensemble d’agents, plus ou moins autonomes, ´evoluant et interagissant dans un envi- ronnement. Ces syst `emes sont tr `es souvent utilis ´es pour mod ´eliser des comportements individuels ou plus largement des soci ´et ´es.
Il existe dans le domaine des syst `emes multi-agents de nombreux champs d’ ´etudes li ´es `a la repr ´esentation des agents, `a la repr ´esentation des environnements, ou `a la d ´efinition m ˆeme de types de simulations qui peuvent ˆetre d ´evelopp ´es. Depuis une di- zaine d’ann ´ees, avec le d ´eveloppement du web s ´emantique, de nouveaux mod `eles de repr ´esentation des connaissances ont fait leur apparition : les ontologies. Dans le do- maine des syst `emes multi-agents, le besoin de mod ´eliser, soit les agents soit les environ- nements a donn ´e le jour `a de nouvelles approches int ´egrant ces mod `eles s ´emantiques.
Dans la suite de ce document, nous pr ´esentons tout d’abord un ´etat de l’art du domaine de la simulation multi-agents. Cet ´etat de l’art est articul ´e en deux grandes parties. La premi `ere partie pr ´esente des notions fondamentales (agent, environnement, simulation).
La seconde partie pr ´esente les travaux li ´es `a la repr ´esentation du comportement des agents (la planification et la s ´election d’actions). Ensuite, nous pr ´esentons un ´etat de l’art sur le domaine du web s ´emantique. Dans cette partie nous nous int ´eresserons tout particuli `erement aux ontologies et aux m ´ecanismes de raisonnement associ ´es. Enfin, la derni `ere partie de ce chapitre est un ´etat de l’art sur l’ensemble des travaux qui associent les deux domaines, celui des syst `emes multi-agents et celui du web s ´emantique. Dans cette partie nous identifierons les axes et les contraintes de ce type de combinaison.
2.2/ D ´ EFINITIONS ET FONDAMENTAUX SUR LES SYST EMES MULTI ` -
AGENTS
2.2.1/ D ´ EFINITION DE LA NOTION D ’ AGENT
L’une des d ´efinitions les plus c ´el `ebres de la notion d’agent a ´et ´e formul ´ee par [Russell
and Norvig, 1995], ils consid `erent un agent comme
Tout ce qui peut ˆetre vu comme
percevant son environnement `a l’aide de capteurs et agissant sur cet environnement `a
l’aide d’effecteurs, de fac¸on autonome
. Cette d ´efinition tr `es g ´en ´erale et volontairement
minimaliste dans sa formulation (uniquement) a ´et ´e ´etendue notamment par Ferber pour,
en outre, accentuer l’importance de l’environnement (qui demeurait rarement sp ´ecifi ´e).
Pour [Ferber, 1995],
l’agent est une entit ´e physique ou virtuelle : 1. qui est capable d’agir dans un environnement ;
2. qui peut communiquer directement avec d’autres agents ;
3. qui est m ˆu par un ensemble de tendances (sous la forme d’objectifs individuels ou de fonc- tions de satisfaction, voire de survie, qu’elle cherche `a optimiser) ;
4. qui poss `ede des ressources propres ;
5. qui est capable de percevoir son environnement (mais de mani `ere limit ´ee) ;
6. qui ne dispose que d’une repr ´esentation partielle de cet environnement (et ´eventuellement aucune) ;
7. qui poss `ede des comp ´etences et offre des services ; 8. qui peut ´eventuellement se reproduire ;
9. et dont le comportement tend `a satisfaire ses objectifs, en tenant compte des ressources et des comp ´etences dont elle dispose, et en fonction de sa perception, de ses repr ´esentations et des communications qu’elle rec¸oit.
2.2.2/ D ´ EFINITION D ’ UN SYST EME MULTI ` - AGENTS
La plupart des auteurs s’accordent g ´en ´eralement pour d ´efinir un Syst `eme Multi-Agents (SMA) comme un syst `eme compos ´e d’agents qui communiquent et collaborent pour at- teindre des objectifs sp ´ecifiques personnels ou collectifs. La communication implique l’existence d’un espace partag ´e support de cette communication. Cet espace est g ´en ´eralement qualifi ´e d’Environnement.
Pour [Ferber, 1995, p. 15],
un SMA est un syst `eme compos ´e des ´el ´ements suivants : – un environnement E, c’est- `a-dire un espace disposant g ´en ´eralement d’une m ´etrique ;
– un ensemble d’objets O. Ces objets sont situ ´es, c’est- `a-dire que pour tout objet, il est possible,
`a un moment donn ´e, d’associer une position dans E. Ces objets sont passifs, c’est- `a-dire qu’ils peuvent ˆetre perc¸us, cr ´e ´es, d ´etruits et modifi ´es par les agents ;
– un ensemble A d’agents qui sont des objets particuliers (A ⊆ O), lequel repr ´esente les entit ´es actives du syst `eme ;
– un ensemble de relations R qui unissent des objets (et donc des agents) entre eux ;
– un ensemble d’op ´erations Op permettant aux agents de A de percevoir, produire, consommer, transformer, et manipuler des objets de O ; 1
– des op ´erateurs charg ´es de repr ´esenter l’application de ces op ´erations et la r ´eaction du monde
`a cette tentative de modification, que l’on appellera les lois de l’univers.