Les systmes multiagents pour les Environnements Virtuels de Formation'

1
Les systèmes multi-agents pour les Environnements
Virtuels de Formation.
Application à la sécurité civile.

• Ronan Querrec

4 octobre 2002
- Laboratoire dInformatique Industrielle -
EA2215 UBO / ENIB
2
Introduction

• Actualité des risques sur les sites Seveso
• Prévision Préparation de plans d intervention
• Multiples intervenants
• Multiples services
• Problème pour la formation
• Difficultés de faire des exercices en
  environnement de type Seveso
• Éviter que lincident ne se transforme en crise

3
Introduction

• Environnement Virtuel de Formation
• VET Virtual Environment for Training
• Formation en situation opérationnelle
• Sans risques
• Simulation multi-utilisateurs
• Simulation déquipes
• Fonctions pédagogiques
• Modification de lenvironnement
• Rejeu

4
Plan
Conclusion
SécuRéVi
Problématique
Formation à la Gestion Opérationnelle et
Commandement
Environnement Virtuel de Formation
Perspectives
MASCARET

• Comportement dAgents
• Organisation

Environnement Social
Environnement Physique
Avatars

• Rationnel
• Equipes
• Procédures

• Représentent les utilisateurs dans le SMA

• Réactif
• Réseaux dinteractions

5
Les Environnements Virtuels de Formation

• Origine Acquisition de savoirs
• EAO, EIAO, EIAH
• Limites des premières applications
• Simple application des méthodes de formation
• Mauvaise analyse des besoins perceptifs des
  apprenants
• Peu d interactions Apprenants / Formateurs

6
Les Environnements Virtuels de Formation

• Nouveaux paradigmes
• Constructivisme Piaget 70
• Immergé lapprenant pour
•  Apprendre en faisant 
• Acquisition de savoir-faire

• Réalité Virtuelle

7
Applications existantes

• Environnements dapprentissage

• Shadwell
• Tate 97

• EVE
• Gerval 02

• Tuteurs intelligents
• STEVE Rickel 99
• Mentoniezh Py 96

• Acquisition de savoirs ou gestes techniques

8
Objectifs Environnement dentraînement

• Prise de décision et non gestes techniques
• Faire face à des situations? acquisition de
  savoirs
• Travail Collaboratif
• Travail en équipes répartition des
  responsabilités
• Travail procédural
• Adaptatif
• Comportement adaptatif des personnages
• Entraînement adapté à lapprenant
• Environnement Réaliste

9
Les Systèmes Multi-Agents

• Agents
• Simulation de personnages, phénomènes physiques
• Environnement
• Social
• Physique
• Interactions
• Coordination dactions, communications
• Organisation
• Équipes
• Utilisateur
• Agent immergé dans le SMA

Vowels Demazeau 95
Tisseau 01
10
Thèse

• Environnement Virtuel de Formation
• Système Multi-Agents
• Capacités réactives, cognitives et sociales
• Interactions
• MASCARET
• Multi-Agent System for
• Collaborative,
• Adaptive and
• Realistic
• Environments for Training

11
Plan
Conclusion
SécuRéVi
Problématique
Formation à la Gestion Opérationnelle et
Commandement
Environnement Virtuel de Formation
Perspectives
MASCARET

• Comportement dAgents
• Organisation

Environnement Social
Environnement Physique
Avatars

• Rationnel
• Equipes
• Procédures

• Représentent les utilisateurs dans le SMA

• Réactif
• Réseaux dinteractions

12
MASCARET Le Système Multi-Agents
Je suis un agent
Je suis un agent
Je suis un agent
Je suis un agent
13
MASCARET Les agents
Role
Organisation
Name string Multiplicity integer
1
Name string
1 ..
Prerequesite (Organisation, Agent)

Agent
1 .. behaviors
playRole(orgName, roleName) abandonRole(orgName,
roleName) getPartners(orgName) getRolePlayers(orgN
ame, roleName) organisationalBehavior()
BehavioralFeature
1 performer
14
Plan
Conclusion
SécuRéVi
Problématique
Formation à la Gestion Opérationnelle et
Commandement
Environnement Virtuel de Formation
Perspectives
MASCARET

• Comportement dAgents
• Organisation

Environnement Social
Environnement Physique
Avatars

• Rationnel
• Equipes
• Procédures

• Représentent les utilisateurs dans le SMA

• Réactif
• Réseaux dinteractions

15
MASCARET Lenvironnement physique

• Différents types de phénomènes
• Toxicité, échanges thermiques, mouvements

Je suis un agent réactif  jet d eau . Je
perçois d autres agents. Je les informe de mon
existence.
Je suis une particule de gaz.Je suis en
interaction avec un jet d eau.Je modifie mon
état interne. Je me déplace en conséquence.
16
Environnement physique Contraintes

• Liées à la réalité virtuelle
• Simulation en temps contraint
• Perception dans le SMA en O(N2)

• Modèles adaptés

• Liées à la formation
• Inhibition de phénomènes

• Structuration des interactions

17
Interaction entre agents réactifs
Interaction entre agents réactifs
Cible

• Interactions Dirigées
• Source dinteraction
• Cible dinteraction

Source
S
I
force
O
Cible Ak
S

• Détection de linteraction
• Recruteur

Recruteur

• Prise en compte de linteraction
• Acquisition de létat de la source
• Force dinteraction

18
Réseau dinteractions
Graph
Node
Link
Graph
INAgent
InteractionNet
InteractionLink
ltltcreategtgt
organisationalBehavior() updateSources() updateTar
gets()
Reactive Interaction
weight
1
Organisation
Agent
eval()
performer
1

behaviors
Role
BehavioralFeature
1 ..
0 ..1
ReactiveBehavior
input() state() output() main()
Recruiting
Source
Target
19
Plan
Conclusion
SécuRéVi
Problématique
Formation à la Gestion Opérationnelle et
Commandement
Environnement Virtuel de Formation
Perspectives
MASCARET

• Comportement dAgents
• Organisation

Environnement Social
Environnement Physique
Avatars

• Rationnel
• Equipes
• Procédures

• Représentent les utilisateurs dans le SMA

• Réactif
• Réseaux dinteractions

20
MASCARET Lenvironnement social
L équipe FPT peut exécuter des missions
(M10...). Elle dispose de ressources (camion).
Les actions sont exécutées par des agents de
sécurité jouant les rôles chef, sous-chef et
servant. Ils ont reçu l ordre d exécuter M10...
Je suis un agent de sécurité. Je joue le rôle du
servant   dans l équipe FPT n1
Dans la mission M10,je sais queaprès que le
sous-chef ait pris le dévidoir, je dois aller
au point d attaque
Je contrôle le tuyau pendant que je vais au
point d attaque
21
MASCARET Lenvironnement social

• Organisation, rôles
• Travail Procédural plan dactions
• Coordination  perception  des actions des
  autres
• Adaptation à lenvironnement
• Calcul de plans implicites / buts

22
Travail procédural
TeamAgent
getSubordinates() getSuperiors() organisationalBeh
avior() collaborativeBehavior()
0 ..1
Team
1
Organisation
Agent
performer

1

Mission
Goal boolExp
behaviors
Role
BehavioralFeature
1 ..
0 ..1
Procedure
superior
TeamRole
0 ..1
0 ..1
Action
subordinate

subordination
method startTime stopTime
1 ..
1
leftTerm
Constraint
start() stop()
rightTerm
1
23
Comportement des agents

• Partage de la connaissance organisationnelle
• Gestionnaire de contraintes temporelles de Allen
• Langage haut niveau, Inférences
• Simulation de lexécution sans failles de la
  procédure
• Mais difficultés pour
• Simuler des dysfonctionnements
• Distribuer les comportements

• Connaissance organisationnelle individualisée

24
Comportement des agents

• Connaissance distribuée de lorganisation
• Connaissances organisationnelles locales
• Rôles, actions
• Procédures

• Exécution collaborative de la procédure
• Coordination dactions par envoi de messages

• Calcul de plans implicites individuels
• La procédure explicite nagence que les actions
   métiers 

25
Architecture dagent
Comportement Organisationnel
Comportement Collaboratif
Suivi Procédure
Faits
Calcul plan implicite
Eval Pre-conditions
Début Action
Diffuse Résultat
Résultat Action partenaires
Résultat Action
Communication
Perception
Action
26
Comportement collaboratif
plan(seq( par((chef,
action(sePreparer)), (souschef,
action(sePreparer) ), chef,
action(allerAPtAttaque)...

• Procédure sous forme de prédicat Prolog

plan(seq( par((chef,
action(sePreparer), (souschef,
action(sePreparer)) ), chef,
action(allerAPtAttaque)...
27
Comportement collaboratif

• Raisonnement Actions / But

BehavioralFeature
Action
Possede(Lance)
prêt
sePréparer
Possede(Tuyau)
GoalDirectedAction
preCondition boolean postCondition
boolean failCondition boolean

• Environnement dynamique
• Perception

28
Comportement collaboratif

• Calcul des plans implicites
• Unification et chaînage arrière

Possede(Lance)
Prendre(Lance)
Voir(Lance)
Perception
Chercher(Lance)
29
Comportement organisationnel

• Gestion de lorganisation
• Affectation des rôles
• Mise à jours des accointances

• Gestion des échecs
• Contract Net Protocol Smith 80

Action
RequestManager
postCondition boolean
GoalDirectedAction
preCondition boolean postCondition
boolean failCondition boolean
onFail
30
Plan
Conclusion
SécuRéVi
Problématique
Formation à la Gestion Opérationnelle et
Commandement
Environnement Virtuel de Formation
Perspectives
MASCARET

• Comportement dAgents
• Organisation

Environnement Social
Environnement Physique
Avatars

• Rationnel
• Equipes
• Procédures

• Représentent les utilisateurs dans le SMA

• Réactif
• Réseaux dinteractions

31
MASCARET Lavatar
Mon Humain me demande de prendre la lance,
j accepte.
Dans la mission M10,je sais que après que le
chef ait pris la lance, je devrais aller au
point d attaque.Si la contrainte est
satisfaite, je le ferais.
Prends la lance !
32
Agent avatar

• Immersion dans le SMA
• Agents autonomes ? substitution en ligne

Comportement Organisationnel
Comportement Collaboratif
Suivi Procédure
Faits
Calcul plan implicite
Eval Pre-conditions
Début Action
Diffuse Résultat
Résultat Action partenaires
Résultat Action
Début Action
Communication
Perception
Action
33
Plan
Conclusion
SécuRéVi
Problématique
Formation à la Gestion Opérationnelle et
Commandement
Environnement Virtuel de Formation
Perspectives
MASCARET

• Comportement dAgents
• Organisation

Environnement Social
Environnement Physique
Avatars

• Rationnel
• Equipes
• Procédures

• Représentent les utilisateurs dans le SMA

• Réactif
• Réseaux dinteractions

34
SécuRéVi

• Sécurité civile et Réalité Virtuelle

• Personnages

• Sites industriels

H-ANIM, Poser
VRML
35
SécuRéVi

• Modélisation de phénomènes physiques
• Propagation de gaz, explosions, jets d eau

Mascaret générique
1
Organisation
Agent
1
performer

behaviors
Role
BehavioralFeature
1 ..
0 ..1
Mascaret environnement physique
Recruiting
ReactiveBehavior
Source
Target
InteractionNet
ReactiveComponent
SécuRéVi
Toxic
ToxicBehavior
ToxicNet
36
SécuRéVi

• Modélisation déquipes de pompiers
• FPT, CMIC (niveau chef d équipe)

Mascaret générique
1
Organisation
Agent
1
performer

behaviors
Role
BehavioralFeature
1 ..
0 ..1
Mascaret environnement social
Team
TeamRole
Action
Procedure
GDAction
SécuRéVi
Chef
SeTenirPret
FPT
Servant
Sous-Chef
BasculerFleche
37
Implémentation

• ARéVi Rendu visuel et sonore
• Personnages, phénomènes physiques
• oRis Simulation interactive du Système
  Multi-Agents
• Agents réactifs, interactions,
• Prolog Comportement décisionnel
• Calcul des plans implicites

38
Plan
Conclusion
SécuRéVi
Problématique
Formation à la Gestion Opérationnelle et
Commandement
Environnement Virtuel de Formation
Perspectives
MASCARET

• Comportement dAgents
• Organisation

Environnement Social
Environnement Physique
Avatars

• Rationnel
• Equipes
• Procédures

• Représentent les utilisateurs dans le SMA

• Réactif
• Réseaux dinteractions

39
MASCARET Conclusion

• Environnement virtuel de formation
• Collaboratif, Adaptatif et Réaliste
• Système multi-agents
• Organisation des interactions
• Environnement physique et social
• Comportements des agents
• Réactifs et sociaux
• Immersion des utilisateurs
• Agent avatar

40
MASCARET Perspectives

• Enrichir les comportements
• Ajouter des  émotions 
• Raisonner sur les interactions
• Rendre dynamique les organisations
• Amélioration de l immersion dans le SMA
• Perception dactions
• Actes de langage
• Fonctionnalités pédagogiques
• Scénario pédagogique
• Pédagogie différenciée

41
Les systèmes multi-agents pour les Environnements
Virtuels de Formation.
Application à la sécurité civile.
- Laboratoire dInformatique Industrielle -
EA2215 UBO / ENIB