ABSTRACT. Les zones urbaines sont soumises à des trafics routiers importants, créant des congestions qui impactent négativement l'économie et les emissions de gaz à effet de serre. Pour pallier ce problème, des systèmes de gestion du trafic (SGT) ont été développés. Les évaluations existantes de ces systèmes souffrent de plusieurs biais, réduisant la crédibilité des résultats. Dans cet article, nous developpons un protocole stochastique d'évaluation des SGT. Le protocole consiste à simuler un grand nombre de fois chaque système sur un unique réseau routier, en faisant varier aléatoirement les flux de véhicules et les paramètres des systèmes. A partir des temps de trajet moyens et des emissions de CO2 par trajet, nous développons deux nouvelles métriques d'analyse du potentiel et de la difficulté de paramétrage des systèmes. A partir d'un exemple d'utilisation de ce protocole, nous démontrons que l'utilisation de simulations stochastiques permet d'obtenir des résultats objectifs, contrairement aux protocoles existants.

ABSTRACT. Les phénomènes de foule à grande échelle sont complexes à modéliser car le comportement des piétons est fortement influencé par la densité de la foule. Les modèles microscopiques parviennent à reproduire la dynamique des foules à de faibles densités, tandis que les modèles mésoscopiques et macroscopiques sont plus performants dans les situations denses. Cet article propose et évalue un nouveau framework de modèle à base d'agents qui permet aux agents de changer dynamiquement leur modèle de déplacement en fonction de la densité locale. La capacité à combiner des modèles microscopiques et mésoscopiques pour une simulation multi-échelle est étudiée à travers le cas d'application des déplacements de piétons lors de la Fête des Lumières (Lyon). Le modèle hybride est calibré et évalué sur des données de flux de piétons extraites d'enregistrements vidéo lors de l'édition 2022 de la Fête des Lumières. En outre, une analyse de sensibilité locale est effectuée pour identifier les paramètres les plus sensibles du modèle. Enfin, la comparaison des les performances du modèle hybride (notamment en termes de temps de calcul) aveccelles de différents modèles de la littérature montre que le modèle hybride a la capacité de simuler efficacement les piétons dans des scénarios de densités variées tout en optimisant les temps de calcul.

ABSTRACT. Les services de livraison ou d'assistance aux personnes par robots, ou plus généralement la navigation dans les foules, sont des activités complexes qui nécessitent des interactions homme-robot et la coordination de la flotte. L'estimation de la localisation des personnes est l'un des facteurs clés pour aider les robots dans ces tâches. Cet article propose un processus efficace pour propager la probabilité de présence des personnes fondée sur l'observation des flux de déplacement. Ce processus fournit sur une carte des informations en temps réel sur les régions les plus probables où les personnes peuvent se trouver. Nous proposons une expression du modèle permettant de paralléliser efficacement la propagation des flux. Pour fusionner le modèle appris et les observations temps réel des robots, nous intégrons un modèle gaussien de prédiction court terme du déplacement (modèle Von-Mises). Une série d'expériences est réalisée avec des environnements simulés mais aussi intégrant des données réelles nous permettent d'évaluer l'approche proposée et de la comparer avec les approches de prédiction standards.

ABSTRACT. La modélisation à base d’agents est un outil puissant pour comprendre les problèmes com- plexes. Certains modèles nécessitent de grandes quantités d’agents et de données. La plupart des plateformes de simulation d’agents exécutent les modèles séquentiellement et ne peuvent pas exécuter des modèles de grande taille dans un dé- lai raisonnable, voire ne peuvent même pas les exécuter. Pour résoudre ces problèmes, les SMA peuvent utiliser le calcul distribué pour répartir la charge sur plusieurs processeurs. Cependant, la distribution de SMA introduit de nouvelles problématiques qui sont autant de défis à relever lors de l’exécution des simulations. Cet article présente le concept de modèle de distribution visant à simplifier la distribution des SMA. Ce modèle offre un cadre flexible pour modéliser la distribution de modèles en séparant la modélisation thématique du modèle, de la modélisation de sa distribution. Nous illustrons, avec la plate- forme GAMA, comment améliorer l’expérience des modélisateurs pour distribuer efficacement leur modèle.

ABSTRACT. Les modèles à base d’agents (ABM) et les jeux vidéo, y compris ceux qui tirent parti de la réalité virtuelle (VR), ont connu une évolution parallèle assez remarquable, atteignant des niveaux de sophistication impressionnants, car, bien que les premiers donnent la priorité à l’analyse scientifique et que les seconds visent plutôt le divertissement immersif, ils simulent tous deux des mondes artificiels; le couplage des deux ouvre des possibilités intéressantes, notamment pour les approches participatives et l’éducation, au cœur du projet SIMPLE, un projet financé par l’UE sur le développement d’outils numériques pour la sensibilisation des enfants aux questions environnementales. Les couplages existants présentent cependant souvent des limites, en termes, notamment, de complexité, de fonctionnalités ou d’interopérabilité. Pour les dépasser, nous présentons dans cet article un framework permet- tant de coupler GAMA, la plateforme de modélisation à base d’agents, à Unity, un moteur de jeu largement utilisé dans l’industrie. Cette architecture permet un échange transparent de données, la visualisation en temps réel et l’interaction avec l’utilisateur dans des environnements de VR, ce qui permet aux chercheurs d’exploiter les atouts des deux approches. Nous montrons les capacités de cette architecture au moyen de deux prototypes construits pour mettre en évidence son potentiel pour représenter en VR des modèles de systèmes socio-environnementaux complexes. Nous concluons en soulignant l’importance d’une collaboration continue entre les communautés ABM et VR pour développer des outils robustes et conviviaux, ouvrant la voie à une nouvelle ère de recherche collaborative et d’expériences immersives dans les simulations.

ABSTRACT. Cet article s'intéresse au déploiement de systèmes de surveillance flexibles et performants au sein de villes intelligentes. Ces systèmes doivent intégrer en continu de nouveaux capteurs et algorithmes de détection, qui sont autonomes (capables de prendre des décisions indépendamment d'un système central) et possèdent des compétences d'interaction (capables d'échanger des observations). A cet effet, notre travail propose d'adopter une architecture basée sur un modèle multi-agent organisationnel et holonique. Il tire parti de la modélisation hiérarchique du système et de méthodes autonomes de traitement des vidéos afin de créer des systèmes de surveillance multi-capteurs et multi-méthodes qui soient évolutifs et modulaires. Une étude de cas sur le suivi de véhicules montre la pertinence de notre approche en termes d'efficacité et de qualité de perception, ainsi que de temps d'exécution.

ABSTRACT. En apprentissage par renforcement, un agent adapte son comportement afin de maximiser une récompense. Ces approches sont utilisées pour apprendre à un agent comment agir dans son environnement. D'importantes difficultés apparaissent lorsque l'on applique ces approches à plusieurs agents. Dans ce cas-là, directement transposer les approches d'apprentissage par renforcement a de grandes chances d'échouer. Ainsi, il devient intéressant d'utiliser de nouvelles approches spécifiquement adaptées aux systèmes multi-agents. Cet article présente un état de l'art sur les approches d'apprentissage par renforcement multi-agent. La synthèse proposée se focalise sur l'approche sous-jacente plutôt que sur la nature des algorithmes. Elle a pour but d'aider à identifier les meilleures solutions selon le contexte.

ABSTRACT. La croissance drastique des véhicules électriques et de l'énergie photovoltaïque peut entraîner de nouveaux défis, tels que la congestion du réseau électrique (dépassements de limites de tension et de courant) dus aux pics de demande ou de production d’électricité. Ces problèmes peuvent être atténués en contrôlant le fonctionnement des véhicules électriques, c'est-à-dire en les rechargeant (voire déchargeant) de manière intelligente. Des solutions centralisées de recharge intelligente ont déjà été proposées dans la littérature. Mais ces solutions peuvent entraîner un temps de calcul prohibitif sur des problèmes de grande taille et souffrent des inconvénients inhérents à la centralisation, tels que des difficultés en cas d’erreur sur un seul point et des problèmes de confidentialité des données. La décentralisation peut aider à relever ces défis. Dans cet article, un système entièrement décentralisé de recharge intelligente est proposé en s'appuyant sur la philosophie des systèmes multi-agents adaptatifs. Le système proposé utilise l'apprentissage par bandits manchots pour gérer les incertitudes du système. Le système présenté est décentralisé, peut gérer des problèmes de grande dimension, est « temps réel », est sans modèle, et prend en compte l'équité entre les différents acteurs. Une étude de cas détaillée est également présentée pour l'évaluation de ses performances.

ABSTRACT. Les SMAs de Cyberdéfense doivent assurer la protection de systèmes en réseaux hétérogènes et distribués allant de la détection d’anomalies à l’exécution de contremesures. L’organisation est au coeur de ces SMAs et impacte la façon dont les agents interagissent entre eux et avec leur environnement pour favoriser l’atteinte d’un objectif de Cyberdéfense tout en satisfaisant les contraintes de l’environnement en réseaux. Néanmoins, la complexité et le manque de lisibilité de certains systèmes en réseaux rendent difficile et non sûre une recherche empirique d’une organisation adaptée. La recherche d’une organisation adéquate est un problème rencontré pour la conception de la plupart des SMAs et dépasse la problématique de ces applications spécifiques. Cet article propose une approche générique et un outil permettant de faciliter la conception de l’organisation en combinant un processus d’apprentissage par renforcement et un modèle organisationnel. L’outil permet de suggérer au concepteur d’un SMA des spécifications organisationnelles.

----------------

The Cyberdefense MASs must ensure the protection of heterogeneous and distributed networked systems ranging from anomaly detection to countermeasure execution. Organization lies at the core of these MASs and impacts how agents interact with each other and their environment to foster the achievement of a Cyberdefense objective while meeting the constraints of the networked environment. However, the complexity and lack of readability of some networked systems make difficult and unsafe an empirical search for a suitable organization. The search for an adequate organization is a problem encountered in the design of most MASs and goes beyond the issues of these specific applications. This article proposes a generic approach and a tool to facilitate the organization's design by combining a reinforcement learning process and an organizational model. The tool suggests organizational specifications to the designer of an MAS.

ABSTRACT. Nous présentons une approche d'apprentissage ensembliste multi-agent pour l'apprentissage supervisé et évaluons ses performances sur une tâche d'approximation de fonctions complexes non linéaires. Cette approche repose sur un ensemble d'agents apprenants faibles s'auto-organisant selon des règles de coopération. Nous étudions les propriétés de ce type de système en termes d'explicabilité et d'interprétabilité sur le processus de prédiction, en analysant la forme des agents et leur organisation spatiale. Une étude comparative sur des jeux de données synthétiques générées à partir de fonctions complexes bidimensionnelles est également menée pour évaluer les performances par rapport à l'état de l'art. Les résultats indiquent que notre approche multi-agent obtient des scores de prédiction similaires aux approches de l'état de l'art et apporte de nouvelles propriétés contribuant à l'apprentissage supervisé explicable.

ABSTRACT. La Mobilité Servicielle (MaaS) vise à rassembler différents services de mobilité sur une plateforme numérique unique qui permet de rechercher, de réserver et de payer ces services multimodaux. L'un des objectifs à long terme du MaaS est de modifier progressivement le comportement des gens en matière de déplacements afin de leur faire adopter des choix plus vertueux en matière de transport. Pour être adopté à grande échelle, le MaaS doit fournir des recommandations personnalisées et appropriées à tout moment ; autrement dit, il doit apprendre les habitudes de déplacements de celui qui l'utilise, et tenir compte de leur éventuelle évolution.

Ce papier expose le problème de détection de régularités au niveau du comportement d'un utilisateur, discute les recherches existantes sur le sujet et se base sur l'apprentissage adaptatif et continu exploré à l'aide des Systèmes Multi-Agents (SMA) pour apprendre les habitudes de déplacements d'un utilisateur. Nous proposons ainsi une solution capable de prendre en compte l'évolution du comportement observé de cet utilisateur. Le SMA proposé est enfin évalué sur un ensemble de données de trajectoires disponible publiquement et les comparaisons menées mettent en évidence sa pertinence pour la construction de profils de mobilité évolutifs et adaptatifs.

ABSTRACT. Après la tempête Xynthia en 2010, la question de prévention des submersions marines et leur impact, en particulier dans un contexte de réchauffement climatique est un enjeu de sûreté capitale pour les communes littorales. Les comportements humains jouent un rôle déterminant dans la gestion de ces crises. Ainsi, des simulations multi-agents constituent un outil particulièrement adapté pour modéliser ces phénomènes de manière réaliste.

Les comportements des habitants, les interactions avec les secours ou encore les différentes réactions de fuite entraînent une répercussion significative sur le déroulement des opérations de secours lors d’une crise de submersion marine. Les simulations multi-agent permettent de modéliser ces comportements sur tout type d’espaces. Ces simulations représentent à la fois les interactions des habitants et leurs déplacements en temps normal, puis en situation de crise. Par conséquent, nous retrouvons des modélisations de mouvements de panique, de saturation routière liée à l’évacuation ou encore de l’arrivée des secours. Pour mener à bien ces simulations, une méthodologie basée sur la mise en place d’un questionnaire distribué aux populations littorales a été mise en place à l’aide de psychologues du domaine social et environnemental.

La première étape de ce projet a été la simulation de l’arrivée de la submersion marine et le blocage des axes routiers dès son inondation. Pour ce faire, des données cartographiques de l’IGN et du GIEC des Pays de la Loire ont été utilisées. Nous avons fait le choix de réaliser les modélisations sur les communes de Batz-sur-Mer en Loire-Atlantique et de l’Aiguillon-la-Presqu’Ile en Vendée. Basée surun modèle cartographique et altimétrique, la submersion évolue sur un pas de temps donné dans la simulation et se termine lorsque le pire scénario de crise est atteint. En parallèle, une simulation développant les déplacements des populations en situation normale a été créée. Chaque agent possède différentes compétences. En premier lieu le rattachement et la connaissance de sa cellule familiale et de son logement. Un agent sait également se rendre à son travail, à l’école ou dans les magasins, sur un moment de la journée précis. L’une des capacités les plus importantes développées dans le projet est la compétence de conduite. Chaque agent se voit attribuer un véhicule qu’il sait utiliser pour se déplacer.

La prochaine étape consistera à implémenter les comportements des agents en fonction des résultats du questionnaire, afin de créer des profils de population les plus fiables possible. Une fois les comportements intégrés, il sera possible d'identifier les zones problématiques (zones sous le niveau de la mer, brèches potentielles dans les digues, etc.) et les comportements lors de la crise (panique, inconscience, entraide, etc.). Les modèles intégreront également les interactions entre les agents, comme l'aide mutuelle et l'arrivée des secours, ce qui pourrait offrir de nouvelles perspectives sur les réactions des populations. Par la suite, la fiabilité du modèle sera évaluée grâce à des outils d'analyse de sensibilité globale pour examiner l'importance des paramètres du modèle et leurs interactions.

ABSTRACT. Dans le contexte des transitions vers des systèmes agroalimentaires plus durables, la restauration collective joue un rôle central, notamment en France où elle représente 36 % des repas servis hors domicile. Ce projet de recherche explore les dynamiques d’approvisionnement local dans les établissements scolaires (écoles, collèges, lycées) en mettant l’accent sur la manière dont les cuisiniers identifient, évaluent et adoptent leurs fournisseurs locaux. Bien que la littérature scientifique se soit penchée sur les critères de durabilité des produits, les processus d’influence sociale et de diffusion des connaissances parmi les cuisiniers restent peu étudiés. Les cuisiniers, en tant que décideurs, développent des opinions sur leurs fournisseurs basées sur des critères tels que la qualité, le prix, la localité et le service. Ces opinions influencent leurs choix, mais aussi potentiellement ceux de leurs pairs à travers des échanges informels. Dans les écoles primaires, la perception de la localité est centrée sur un périmètre restreint, tandis que dans les collèges et lycées, cette notion s’élargit respectivement à l’échelle départementale et régionale. Ce phénomène est largement influencé par les politiques publiques et la gouvernance des établissements. En nous basant sur des enquêtes menées auprès des gestionnaires d'approvisionnement des établissements scolaires de la métropole Clermont Auvergne, nous proposons un modèle qui cherche à reproduire les processus décisionnels des cuisiniers en matière d'approvisionnement local. Le modèle repose sur une dynamique d'échange d'informations entre cuisiniers. Lors de leurs rencontres, les cuisiniers partagent leurs expériences sur les fournisseurs locaux, influençant ainsi leurs décisions futures. Ces échanges sont plus fréquents entre cuisiniers appartenant au même type d’établissement, renforçant ainsi des réseaux d'influence au sein de catégories similaires. L’une des variantes futures du modèle consistera à intégrer des mécanismes d’influence sociale plus approfondis, comme la réputation des cuisiniers ou encore la satisfaction liée à l’expérience avec les fournisseurs. Ces aspects visent à enrichir la dynamique d’opinion, permettant d’analyser comment des opinions collectives émergent au sein d’une communauté de cuisiniers, influençant potentiellement les trajectoires d'adoption de pratiques d'approvisionnement plus durables. Le travail à venir inclura également un effort particulier sur la validation des modèles à travers des simulations, afin d'évaluer leur capacité à reproduire les dynamiques observées et à anticiper des scénarios potentiels d’évolution. Ce modèle multi-agents offre une opportunité de mieux comprendre comment les pratiques d'approvisionnement local évoluent au sein des établissements scolaires, en tenant compte des enjeux territoriaux et des dynamiques sociales entre acteurs. L’étude de ces mécanismes permettra d'anticiper les défis et opportunités liés à la transition alimentaire, et d’identifier des leviers d'action pour promouvoir l'approvisionnement local à grande échelle.

ABSTRACT. La Technique de l’Insecte Stérile (TIS) est de plus en plus utilisée en agriculture pour lutter contre les ravageurs des cultures. Cette méthode consiste à élever massivement des insectes, à les stériliser, puis à les relâcher dans les cultures. Les mâles stériles relâchés, en s’accouplant avec les femelles, réduisent la capacité de reproduction de la population, car dans ce cas les femelles n’engendrent pas de descendance. Cela entraîne une diminution du nombre de larves produites par les femelles et, par conséquent, des dégâts qu’elles causent. Le ravageur Drosophila suzukii, qui attaque notamment les cultures de fruits rouges, constitue un excellent candidat pour l’application de la TIS. En effet, ce dernier cause d’importantes pertes de rendement, les femelles pondant leurs œufs à l’intérieur des fruits, où se développent les larves. Malgré la simplicité théorique apparente de la TIS, chaque étape de sa mise en œuvre rencontre des défis pratiques. Parmi ces obstacles figurent la polyandrie des femelles, la moindre compétitivité des mâles stériles face aux mâles sauvages, qui sont plus attractifs, ainsi que l’utilisation sélective du sperme dans la spermathèque, influencée par l’ordre ou la préférence des accouplements. Dans le cas de Drosophila suzukii, la capacité des femelles à s’accoupler plusieurs fois complique particulièrement l’application de la TIS. Pour mieux comprendre l’impact de ces réaccouplements, un modèle compartimental basé sur des équations différentielles a été développé. Il structure la population en différents groupes définis d’après le cycle biologique de l’espèce : larves, mâles sauvages, mâles stériles, et femelles fécondées ou stérilisées selon le type de mâle avec lequel elles se sont accouplées. Bien que ce modèle ait fourni des informations précieuses, il montre des limites lorsqu’il s’agit d’intégrer des données complexes comme l’historique des accouplements et la sélection du sperme par les femelles. Pour surmonter ces limites, un modèle individu-centré est en cours de développement. Ce nouveau modèle, programmé en Python à l’aide du package Mesa, permet de simuler les actions de quatre types d’agents : mâles stériles, mâles sauvages, larves et femelles, sur une saison de culture de fraises, à l’échelle d’un tunnel de culture, avec un pas de temps journalier. Dans le cas de Drosophila suzukii, les connaissances sur sa biologie reproductive sont limitées. Ce modèle offre ainsi la possibilité d’explorer l’effet de différents biais d’utilisation du sperme chez les femelles, en testant plusieurs hypothèses : utilisation du sperme issu du premier ou du dernier accouplement, ou sélection aléatoire depuis la spermathèque. Si les résultats mettent en évidence des différences significatives entre ces scénarios de biais d’utilisation du sperme, cela pourrait encourager à approfondir les recherches biologiques sur cette espèce et à affiner les stratégies de lutte, afin d’améliorer la protection des cultures.

ABSTRACT. Co-dirigée par Maxime Morge, professeur d’Informatique, et Fabien Eloire, professeur de Sociologie à l’université de Lille, cette thèse s’inscrit dans le cadre du projet RORES-CL, soutenu financièrement par le CNRS à travers l'action interne 80PRIME 2024 de la MITI. L’objectif est de développer un modèle multi-agents pour expliquer les phénomènes sociaux qui se déroulent sur les plateformes publiques de questions-réponses en ligne comme Stack Overflow. Grâce à une approche interdisciplinaire combinant la Sociologie et l’Informatique, ce projet cherche à comprendre les dynamiques sociales résultant des comportements individuels dans ces communautés en ligne. Les communautés de data analysts utilisant des outils d’analyse statistique comme R ou Pandas sont au cœur de cette recherche. Ces communautés forment des réseaux sociaux à grande échelle, caractérisés par l’émergence de rôles sociaux (entraide, conseil) et par des liens de coopération. Le projet vise à simuler ces processus de collaboration et d’apprentissage collectif afin de comprendre la formation et la structuration de ces communautés. La plateforme Stack Overflow, en tant qu’organisation facilitant l’action collective, est modélisée autour du concept de rôle social. L’enjeu majeur de cette thèse est d’analyser comment les interactions entre utilisateurs génèrent des rôles et des statuts sociaux, notamment à travers la reconnaissance de l’expertise individuelle et l’évolution du score de réputation. Ce travail s’appuie sur des données quantitatives extraites de la plateforme, et combine des approches en analyse de réseaux et en simulations multi-agents. Les premiers travaux exploratoires ont permis de constituer un entrepôt de données massives [1] qui met en lumière les comportements des utilisateurs à l’échelle micro, ainsi que les dynamiques collectives à l’échelle macro [2]. Une analyse à l’échelle méso permet de repérer des phénomènes complexes au sein des communautés. La thèse se donne pour objectifs : 1. d’enrichir les données existantes avec des actions de régulation (votes, commentaires) et d’autres communautés/langages ; 2. d’étendre les analyses descriptives et de réseau aux nouveaux jeux de données en se basant sur les concepts issus des études bibliographiques ; 3. de calibrer le modèle multi-agents à partir des résultats empiriques.

[1] Maxime MORGE, 2023. SoDy On stack : An analysis of Social Dynamics on Stack Overflow. https://github-univ-lille.fr/mocicos/sodyonstack [2] Sebastien Delarre, Fabien Eloire, Antoine Nongaillard, Maxime Morge, 2023. Modèle explicatif de la sécession des experts dans les communautés de pratiques. 31èmes Journées Francophones sur les Systèmes Multi-Agents (JFSMA). Strasbourg, France pp. 65-74 <hal-04164769>

ABSTRACT. Un des principaux défis pour les constructeurs de robots est de minimiser le nombre de fautes car elles peuvent compromettre la sécurité des robots et de leur environnement [1]. L’environnement dynamique et imprédictible des robots cause des comportements fautifs qu’il est nécessaire de détecter par question de sécurité. Pour ce faire, une technique généralement employée est la détection d’anomalies qui permet de détecter les comportements anormaux [2].

Une propriété importante dans un système de détection d’anomalies de comportement est l’adaptabilité. En effet, les robots autonomes sont amenés à évoluer dans différents contextes opérationnels, c’est-à-dire différents environnements, avec différentes missions et interactions. Ainsi, ce qui constitue une anomalie dans un contexte opérationnel peut ne pas l’être dans un autre. Par ailleurs, même si les robots autonomes peuvent techniquement rouler sans intervention humaine, il est légalement obligatoire d’avoir un superviseur capable de reprendre la main sur le robot à tout instant. Ainsi, les anomalies détectées peuvent être remontées au superviseur dans le but de faire de la levée d’alerte. Une explication est alors nécessaire pour que le superviseur puisse comprendre la cause de l’anomalie.

Dans ces travaux, nous explorons l’apport de l’apprentissage ensembliste pour la détection d’anomalie adaptable et explicable. Nous supposons que l’apprentissage ensembliste peut per- mettre de mêler ces deux propriétés tout en garantissant de bonnes performances.

Le modèle agent contextes est un modèle ensembliste supervisé multi-agents construit sous l’hypothèse précédente et qui a déjà été appliqué à des problématiques d’apprentissages comme la classification. Dans ce modèle, les agents se spatialisent dans l’espace des variables sous la forme d’hyperrectangles. Chaque agent contient un modèle simple et la classe d’un point est prédite à l’aide d’une fonction d’agrégation entre les prédictions des différents agents proches du point. Le modèle a une capacité d’adaptation en modifiant la taille des agents et les modèles internes en fonction des prédictions faites durant la phase d’entraînement. Cette approche est intéressante car elle repose sur la combinaison d’un ensemble d’agents apprenant utilisant des modèles locaux interprétables. L’apprentissage peut alors être étudié comme la résultante de l’organisation entre les différents agents. Ce modèle d’apprentissage pourrait être adapté à la détection d’anomalies en se basant sur l’entropie que produit l’intégration d’un nouveau point. Une incompétence du modèle à proprement prédire l’évolution du système peut alors être vue comme une anomalie. De plus, étant donné que les agents contiennent des modèles simples, il est possible d’interpréter les prédictions des agents. En combinant ces interprétations, il peut alors être possible d’expliquer les prédictions du modèle agent contextes.

Notre nouvelle heuristique de détection des anomalies, basée sur l’observation en ligne de l’organisation des agents, permet de compléter les métriques classiques de précision des mécanismes d’apprentissage en fournissant une approche originale d’explicabilité.

Références [1] E. Khalastchi et M. Kalech, On Fault Detection and Diagnosis in Robotic Systems, ACM Computing Surveys, Vol. 51, pp. 1-24, 2019 [2] D.Park,Z.Erickson,T.Bhattacharjee,etC.C.Kemp, Multimodal execution monitoring for anomaly detection during robot manipulation, IEEE International Conference on Robotics and Automation, pp. 407-414, 2016