Les perspectives futures en robotique révèlent une avancée surprenante : une approche inspirée des comportements d’insectes pourrait transformer la couverture d’environnements inconnus. Cette recherche promet des performances améliorées, avec des implications cruciales pour l’intelligence artificielle distribuée.
Chapitre 3: Conception et réalistation
Introduction
- Conception
Objectifs de l’application
Modélisation du problème
- Réalisation
Comportement des agents
- Réalisation
- Environnement de programmation II .2. Présentation de l’application
Résultats expérimentaux
- Comparaison de notre algorithme (SMRSA) avec celui de MRSAM
- Conclusion
Introduction
La résolution collective de problème doit beaucoup à l’analyse des techniques de couverture chez les animaux ou les humains, tâche qui consiste à rechercher des cibles dans des environnements inconnus à l’avance et dans des positions inconnues.
Notre objectif est résoudre le problème de couverture mono et multi robots en utilisant une hybridation de deux algorithmes très connus le premier est utilisés pour assurer les points les plus proches a la base, c’est la division en rectangle avec des longueurs différentes [Sarid, 2011], et le deuxieme c’est la couverture des rectangle par un nouveau algorithme qui a été proposé Spiral MRAD (spiral Multi Robot Area Decomposition).
Notre étude se base sur un ensemble de simulations et de mesure de performances pour la résolution de ce problème. Le système simulé est un ensemble homogène d’agents réactifs exécutant un comportement purement réactif complété d’actions de coopérations.
Ce chapitre se compose de deux parties. La conception et la modalisations des différents constituants de notre système multi agent réactif et le nouveau algorithme des agents réactifs font l’objet de la première partie de ce chapitre, et les simulations en faisant varier les différents paramètres (nombre d’agent, taille de l’environnement, quantité des obstacles, longueur des rectangle et position de la cible) font l’objet de la deuxième partie du chapitre, nous terminerons ce chapitre par des discussions sur les résultats.
Conception
- Objectifs de l’application
La question centrale dans ce mémoire c’est la résolution du problème de couverture avec un ou plusieurs robots dans un environnement inconnu, qui représente un benchmark du domaine. Plusieurs objectifs doivent être réalisés afin de répondre à cette question, parmi ces objectifs on citera :
- Utiliser un type d’agents aussi simple que possible (agents réactifs coopératifs) ;
- Utiliser une méthode stratégique pour la marche des agents (spirale) ;
- Faire émerger des chemins de plus courts distance entre la source et la base, (en utilisant des champs de potentiels artificiels (APF)) ;
- Etudier les paramètres induit à des meilleurs performances (nombre d’agents, taille de l’environnement, largeur des rectangles);
- Evaluer la robustesse du nouveau comportement au bruit dans la navigation (quantité d’obstacles);
Modélisation du problème
Modélisation de l’environnement
Nous considérons des environnements qui contiennent un ou plusieurs cibles dispersées dans des positions inconnues de l’environnement. L’environnement est modélisé par une grille qui se compose d’un ensemble de cellules, chaque cellule est peut-être :
- Un obstacle (couleur noir) ;
- Contient une cible (couleur verte) ;
- Est la base (couleur rouge), à partir de laquelle tous les agents commencent la couverture, elle se positionne au centre de l’environnement ;
- Contient un agent, dont chacun est identifié par un numéro unique ;
- Contient une marque (couleur gris foncé) ;
L’environnement est divisé en un ensemble de rectangles de longueur variable, l’objectif de cette division est d’assurer la couverture des endroits les plus proches a la base dans un premier temps, puis le passage à la découverte des cellule qui sont plus loin de la base, cette technique est connus sous la technique de central place foraging.
Modélisation des agents
Les agents sont des agents réactifs et coopératifs, ils occupent une cellule et sont capable de percevoir les quatre cellules voisines, pour des raisons de simplicité et d’optimalité, nous permettant aux agents de se trouvé en même temps dans la même cellule.
Chaque agent est défini par les capacités suivantes :
- Lecture et écriture des valeurs entières dans la cellule dans laquelle il se trouve ;
- Percevoir les quatre cellules voisines ;
- Déplacer à une cellule voisine si elle n’est pas un obstacle ;
- Détecter la présence des cibles ou d’obstacles dans les quatre cellules voisines ;
- Coloration et effacement des cellules par des couleurs spécifique pour garder trace des cellules de commencement du spiral ;
- Comportement des agents
Le modèle comportemental des agents est limite par certaines conditions relatives à l’environnement dans lequel ils évoluent. Ces comportements sont issus de leur stimulus local.
Le comportement de nos agents fait référence au comportement de MRSAM [Sarid, 2011], ce dernier a été modifié pour assurer plus de recrutement et donc plus de performances en temps, plus de robustesse au bruit et plus d’adaptation;
Nous en avons déduit le comportement générique de chaque agent, exprimé par le graphe d’état de la figure suivante:
Chaque agent va choisir l’un ou l’autre comportement selon le percept qu’il reçoit, l’algorithme qui lui permet ce choix est donné comme suit (Algorithme 1):
| Tableau Algorithme 1 | |
|---|---|
| Paramètre/Critère | Description/Valeur |
| sur la base et une fois sur la frontière | Comportement des agents |
Revenir vers le dernier point de départ de dernier spiral en suivant les valeurs entières de l’APF déjà inscrites ;
Déplacer en ligne droite dans le sens horaire et choisir la première cellule non coloré et démarrer le spiral;
jusqu’à ce que la cible est trouvé;
on a ajouté une contrainte dans notre algorithme Spiral MRSAD qui s’exprime par le test suivant :
- Tester les quatre sens de zone de couverture avec la procédure ligne droite dans le cas d’un agent ou plusieurs agents [pour sortir de la première région vers la deuxième]
- si le nombre d’agent >= 2 on teste sur les deux sens
- si le nombre agents < 2 on teste sur les 4 sens
Questions Fréquemment Posées
Quels sont les objectifs de l’application dans la stratégie d’exploration multi-agent ?
Les objectifs de l’application incluent l’utilisation d’agents réactifs coopératifs, l’application d’une méthode stratégique de marche en spirale, l’émergence de chemins de plus courte distance entre la source et la base, et l’étude des paramètres induisant de meilleures performances.
Comment l’environnement est-il modélisé pour la couverture par des robots ?
L’environnement est modélisé par une grille composée de cellules, où chaque cellule peut être un obstacle, contenir une cible, être la base de départ des agents, ou contenir un agent identifié par un numéro unique.
Quelle est la technique utilisée pour assurer la couverture des environnements inconnus ?
La technique utilisée est la division en rectangles de longueur variable, permettant d’assurer la couverture des endroits les plus proches de la base avant de découvrir des cellules plus éloignées.