L'explosion du nombre d'objets connectés, de l'informatique ubiquitaire et des interfaces humain-machine intuitives et naturelles permet une multiplication des systèmes cyber-physiques. Si les interactions avec un seul utilisateur disposent d'une littérature abondante dans le domaine des agents virtuels incarnés, la mise en place de systèmes coopératifs intégrant plusieurs utilisateurs et plusieurs agents virtuels reste difficile. Les problématiques classiques, telles que la gestion des tours de paroles par exemple, doivent être adaptées au contexte multipartie. De nouvelles problématiques, triviales en contexte dyadique comme la détection du destinataire d'un énoncé, émergent également. Dans cet article, nous discutons les défis actuels posés par les communautés mixtes agents-humains tant au niveau des agents que du système multi-agent dans son ensemble.
Dans le domaine de la sécurité routière a lieu une réflexion sur le partage de la route aux différents modes de déplacements, notamment via le repositionnement du marquage latéral. Cependant, l'effet d'un changement du profil en travers de la route sur les comportements des conducteurs a été jusqu'ici peu étudié. Le projet PROFIL a eu pour objectif d'étudier cet impact dans différentes situations (véhicule instrumenté, simulateur de conduite, simulateur de trafic). Dans ce cadre, nous proposons le modèle LFM (Lateral Force Model), prenant en compte les effets longitudinaux et latéraux du profil en travers au sein de la voie de circulation. Nous montrons que ce modèle, fondé sur IDM (Intelligent Driver Model) dans sa composante longitudinale, reproduit de façon effective les effets des véhicules croisés, de la largeur de la voie en circulation libre, et des situations de croisement et de virage selon les données recueillies dans des expérimentations en situation réelle et en simulateur.
Dans certains environnements virtuels pour l'apprentissage humain, les apprenants doivent collaborer avec un ou plusieurs agents autonomes pour mener à bien leurs tâches. Cet article propose une nouvelle architecture d'agent, PC2BDI, qui permet d'adapter le comportement de l'agent en fonction de trois agendas : les tâches à mener, les dialogues et le scénario pédagogique. Cette architecture permet la mise en place de stratégies de dialogues à la fois réactives aux besoins de l'apprenant et aux dialogues en cours, et proactive pour la coordination entre membres et la mise en oeuvre des primitives pédagogiques.
L'hypothèse terroriste amène les pouvoirs publics à rechercher des simulations leur permettant de s'entraîner face aux crises de grande ampleur. Dans cet article, nous montrons comment, combinée avec la personnalité de l'agent et un raisonnement biaisé, l'empathie peut amener des agents à croire qu'ils sont contaminés. Les résultats de nos expérimentations montrent que ce mécanisme permet de faire émerger des comportements cohérents. Terrorist risks have lead the public security actors to develop training tools for major-scale crisis. In this article, we show how, combined with biased reasoning, favorable personality traits and situational factors, empathy can lead some agents to believe they are contaminated. The results of several experiments show that this mechanism enables consistent behaviors to emerge.
L'approche multi-agents se montre particulièrement intéressante pour modéliser, simuler et comprendre les systèmes particulaires. Elle permet, via la modélisation d'entités individuelles, d'étudier leurs interactions ainsi que les phénomènes macroscopiques émergents qui en résultent. Cela pose alors deux difficultés en terme d'analyse. La première est de caractériser le comportement d'un agent au sein d'une simulation, quelle que soit sa formalisation, pour pouvoir mener des études comparatives ; et la seconde est d'étudier la façon dont ce comportement peut influencer, voire générer, un phénomène macroscopique. Pour cela, nous proposons d'étudier le phénomène d'hystérésis apparaissant dans le comportement des agents, lesquels sont considérés comme des boîtes noires. L'observation de l'hystérésis permet de caractériser la réaction d'un système à des stimulis perturbateurs. Nous étudions comment cette perturbation se propage dans une population et aboutit à l'apparition de propriétés macroscopiques remarquables. L'étude est menée en comparant différents modèles d'agents conducteurs utilisés à des fins de simulation du trafic routier. Multi-agent systems are useful to model particular systems. Modeling individual entities allows to study their interactions and the resulting emergent phenomenon at macroscopic level. Two questions are raised : How do we characterize individual behavior of agents to compare them together, and how can individual behavior influence the emergence of macroscopic phenomenon. We propose to study the hysteresis phenomenon in the behavior of individual agents when a perturbation is applied. We study how this perturbation propagates along a population of agents and how it can lead to the emergence of significant macroscopic properties. This study is conducted on various driver models used to simulate traffic flow.
La simulation de comportements humains nécessite la prise en compte des émotions au sein du processus de décision. Récemment, la thématique de la contagion émotionnelle a émergé pour expliquer un certain nombre de phénomènes collectifs émergents, tels que les comportements de foule ou l'efficacité de groupes dans la résolution de tâches. Dans cet article, nous proposons l'architecture MA/SDEC pour la gestion de l'ensemble des dynamiques émotionnelles. Une émotion évolue grâce à trois influences : la perception d'événements, la dynamique temporelle et la contagion émotionnelle. Dans une approche d'agent incarné, la première influence est sous la responsabilité de l'esprit de l'agent, la seconde sous celle de son corps, et la troisième sous celle de l'environnement. Ensuite, nous proposons une formule de calcul de la contagion émotionnelle pour les cas où la topologie sociale des agents est inconnue. Finalement, nous donnons les résultats d'expérimentations pour valider le modèle et le calibrer. Human and animal behaviour simulation has to take into account the role of emotions in the decision process. Recently, the topic of emotional contagion has emerged to explain a number of emerging collective penomena such as crowds or the groups efficiency in task solving. In this article, we propose the MA/SDEC architecture to manage all the emotion dynamics. Emotions evolve in function of three influences : punctual events, temporal dynamics and external influences. In an embodied agent approach, the first is the responsibility of the agent's mind, the second of the agent's body, and the third of the environment. Then, we propose a specific emotion contagion formula for the case where the social topology of the agents is unknown. Finally, we show the results of several experiments to validate the model and calibrate it.
Alors que la plupart des approches de navigation multi-agents considèrent les interactions multiples entre agents comme une simple combinaison d'interactions individuelles, nous proposons une approche centrée perception, fondée sur des représentations mésoscopique et microscopique de l'environnement. Nous considérons en effet qu'au cours de sa tâche de navigation à l'intérieur d'une foule, un agent piéton peut faire appel à un processus cognitif plus important qu'un simple évitement d'obstacles mobiles. Nous proposons ainsi de modéliser la capacité qu'a un individu à se représenter un ensemble de piétons par un groupe anonyme (sans relation sociale, en opposition aux groupes individualisés) et à interagir avec ce groupe en tant que tel et non en tant que somme d'individus. Nos résultats de simulation démontrent l'intérêt d'une telle modélisation pour obtenir des simulations plus réalistes et favorisent l'émergence des comportements collectifs. Classical microscopic traffic simulation models are based on a car-following equation and a lane-changing algorithm. This kind of modelling shows good macroscopic properties, in particular for road capacity analysis, but does not replicate accurately individual behaviour. Hence, there is a major drawback to use these simulations to understand and predict the drivers behaviours. In order to improve the realism of agents' individual and collective behaviour, we propose to integrate the perception of events and the computation of agents emotions in a fuzzy framework. The modelling of the perception and of its effects on emotions through fuzzy rules enables the agents to consider the virtual environment properly and to choose nonnormative behaviours. We show how different kinds of fuzzy rules, implicative and conjunctive, can be used to emulate the driver's emotions, and their effects on the decision process.
Cet article présente une méthode d'évaluation de la crédibilité comportementale en simulation multi-agents. Elle s'appuie sur l'extraction automatique de classes de comportements dans une simulation participative. La méthode que nous proposons combine deux approches. La première, subjective, évalue par des questionnaires les catégories d'utilisateurs dans le dispositif de simulation. La seconde effectue une observation objective des données issues de la simulation pour construire automatiquement des classes de comportements. Nous étudions alors la corrélation entre les catégories d'utilisateurs et les classes de comportement. Nous comparons ensuite les comportements des humains et des agents pour évaluer la crédibilité de ces derniers, en nous appuyant sur les catégories d'utilisateur. Nous illustrons cette méthode dans le cadre d'un simulateur de conduite immersif. This paper presents an evaluation method for behavioral credibility in multi-agent simulation. This method is based on the automatic clusters extraction of behaviors in a participatory simulation. Our method combines two approaches. The first one is subjective and uses questionnaires to evaluate user categories in the simulation device. The second one carries out the objective behavior data collection in order to automatically build behavior clusters. Then, we study the correlation between user categories and behavior clusters. Afterwards, relying on user categories, we compare the human behaviors to the agent ones in order to evaluate agent credibility. We show how our method can be used in the immersive driving simulator field.
L'un des principaux problèmes en simulation multi-agent est la définition des paramètres du modèle agent et leur calibration. Ce problème est encore plus difficile lorsqu'on considère des environnements virtuels immersifs, dans lesquels les agents intelligents doivent reproduire des comportements humains et apparaître « réalistes » aux yeux des utilisateurs. Dans cet article, nous proposons d'enregistrer et d'analyser les comportements des agents pour évaluer leur similarité avec ceux des humains dans un environnement virtuel immersif. Nous utilisons des méthodes de classification pour construire une abstraction des comportements individuels. Les types de comportement sont étudiés selon la composition de ces classes pour déterminer les manques, capacités et erreurs dans le modèle agent. Cette méthode nous permet 1) d'écarter les jeux de paramètres invalides, 2) de calibrer des simulations valides et 3) d'expliquer les manques du modèle agent pour l'améliorer. In the context of agent-based simulation, a major issue is to define relevant parameters of the agent model and calibrate them. This issue is yet harder in immersive virtual environments, where intelligent agents reproduce human behaviour and interact with users. In this paper, we propose to log and analyse agents behaviour to evaluate their similarity to humans behaviour in an immersive virtual environment. Clustering is then used to get an abstraction of individual behaviours. The behaviour archetypes are studied in terms of cluster members in order to identify agent lacks, capacities and errors. This study enables to 1) dismiss invalid parameter sets, 2) calibrate valid simulations and 3) explain lacks in the agent models for further improvement.
Alors que la recherche sur les systèmes multiagent devient de plus en plus mature, la communauté se heurte aux mêmes difficultés que celles rencontrées par les roboticiens en terme de complexité de conception. Deux problèmes majeurs sont les environnements dynamiques et l'interface entre les agents et ces environnements. Dans cet article, je propose de s'appuyer sur la théorie de la cognition incarnée pour réifier la notion de corps pour les agents logiciels, de la même façon que l'environnement a été montré comme étant une abstraction de premier ordre dans la conception de systèmes multi-agent. Je propose un ensemble de responsabilités pour le corps des agents, et montre comment une architecture de système multi-agent peut utiliser ce concept pour déléguer une partie des processus de l'agent à son corps, comment cela préserve l'autonomie des agents, et comment l'utiliser au delà des environnements physiques (réels ou simulés). J'illustre ensuite ce paradigme avec une architecture pour le calcul de la dynamique émotionnelle qui prend en compte des événements ponctuels, la dynamique temporelle et la contagion émotionnelle. Finalement, je discute les défis et questions ouvertes levées par l'adoption de cette approche dans les systèmes multiagents. As the multiagent systems research becomes more mature, the autonomous agents community is now facing the same difficulty as the robotics community in terms of design complexity. Unavoidable issues are dynamic environments, and the interfaces between the agents and these environments. In this paper, I propose to draw lessons from the embodied cognition approach to reify the concept of body for software agents, in the same way as the environment has been shown to be a first-order abstraction in multiagent systems design. I propose a set of responsibilities for the agent body, and show how an agent architecture can use this concept to delegate a part of the agent's tasks to its body, how it ensures agent autonomy, and how it may be used beyond (virtual or real) physical environments. I illustrate this paradigm with an emotion computation architecture that takes into account punctual events, temporal dynamics and emotional contagion. Finally, I discuss open questions raised by the adoption of this approach in the MAS field.
L'approche multi-agent est par nature adaptée à une conception incrémentale des modèles. La modularité de l'approche permet la conception progressive des éléments du système cible, par l'ajout de nouvelles entités, de nouveaux modes d'interaction et d'organisation, ou l'inclusion de nouveaux comportements. Cependant, les méthodes de conception de logiciels usuelles ne sont en général pas applicables dans leur ensemble au développement des systèmes de simulation à base d'agents, la principale difficulté étant l'émergence de comportements collectifs. Dans cet article, nous proposons une méthode de conception dirigée par les tests adaptée aux systèmes multi-agents, inspirée à la fois des modèles en spirale et de la conception dirigée par les tests. L'ajout d'une fonction est spécifiée au niveau du système, tandis que l'analyse et la conception se fonde sur la vérification des propriétés individuelles. Nous illustrons cette méthode avec un cycle de conception d'un modèle de poids-lourd dans une simulation de trafic. Multi-agent systems are well suited to incrementally develop models. Their modularity allow to develop the system by gradually adding new interaction or organization models, new entities, or new behaviors. However, usual software engineering methods cannot be fully used to develop multi-agent systems due to their lack in considering un-anticipated emergent phenomena. In this article, we propose a test-driven inspired incremental development method tailored for agent based simulation models. We illustrate the use of this method to improve a heavy vehicle model to be used in traffic simulations.
Les simulations multi-agents, utilisées dans le domaine des environnements virtuels immersifs, mettent en oeuvre des agents reproduisant des comportements humains et interagissant avec eux. Dans cet article, nous proposons une méthode générique fondée sur l'analyse de données pour l'évaluation des comportements individuels des agents. Elle est basée sur une classification des traces de simulation pour extraire les comportements humains. Ceux-ci servent de comportements de référence pour ensuite réaliser une agrégation des agents sur les classes d'humains. Il est alors possible d'analyser les capacités, manques et erreurs des comportements agents en les comparant avec ceux des humains. Nous complétons cette analyse par une évaluation subjective basée sur un questionnaire rempli par des annotateurs humains afin de définir des catégories d'utilisateur, rendant leurs comportements explicites. Nous appliquons notre méthode à la simulation de conduite immersive.