Plan du site Aide Abonnement Nous Contacter


Actualité
Editorial
Interviews
Démocratie
Visites virtuelles
Art. Imaginaire
Du côté des labos
Le feuilleton
Manifestations
Biblionet
CD Rom
Echanges
Liens Utiles

 

Accueil > Manifestations
Automates Intelligents utilise le logiciel Alexandria.
Double-cliquez sur chaque mot de cette page et s'afficheront alors définitions, synonymes et expressions constituées de ce mot. Une fenêtre déroulante permet aussi d'accéder à la définition du mot dans une autre langue.
 
Archives
RobotCité (Paris, nef du Grand Palais
Ménagerie technologique et autres robots
Robotique et intelligence artificielle (bar des sciences)
Séminaire sur les robots de nouvelle génération
Débat entre Jean-Paul Baquiast et Jean Staune

Novembre 2000

De l'Animal à l'Animat: Sixième Conférence Internationale sur la Simulation des Comportements Adaptatifs (SAB2000)

Cinq conférences internationales ont déjà été organisées par l'International Society for Adaptative Behaviour (ISAB http://www.adaptive-behavior.org/ sur le sujet de la simulation des comportements adaptatifs. La sixième conférence s'est tenue à Paris en septembre 2000

Les organisateurs de la sixième conférence sont les suivants:
Jean-Arcady Meyer, Université Paris6, Jean-Arcady.Meyer@lip6.fr
Alain Berthoz, Collège de France, aber@ccr.jussieu.fr
Dario Floreano, Swiss Federal Institute of Technology, dario.floreano@di.epfl.ch
Herbert Roitblat, University of Hawaii, roitblat@hawaii.edu
Stewart Wilson, The Rowland Institute for Science, wilson@prediction-dynamics.com

Les objectifs de la conférence sont résumés dans un excellent document, très pédagogique, dont nous extrayons les lignes suivantes:

La conférence SAB2000 se situe à l'interface entre l'informatique, la robotique et la biologie. Elle est centrée sur les " animats ", c'est-à-dire sur des systèmes artificiels - animaux simulés ou robots réels - qui sont largement inspirés des animaux et qui s'avèrent capables de s'adapter, de survivre et de poursuivre leur mission dans des environnements plus ou moins imprévisibles et menaçants.

Postulant que la nature et les sciences de l'ingénieur peuvent exploiter les mêmes principes, la conférence SAB2000 a une double vocation : comprendre et copier certains mécanismes inventés par la nature afin de mettre au point des robots réels ou logiciels capables de s'adapter à aussi large variété de circonstances que possible; rechercher en quoi l'usage de concepts et techniques dérivés de la robotique et de l'intelligence artificielle peut aider à mieux comprendre le vivant.

Ainsi, la robotique et l'intelligence artificielle (approches synthétiques), d'un côté, les neurosciences, l'éthologie, l'écologie comportementale, la psychologie comparative (approches naturalistes), de l'autre côté, sont intéressées par le développement d'une base conceptuelle appliquée à des phénomènes tels que adaptation, autonomie, planification, anticipation, etc.  Cette conférence ...en particulier, elle met l'accent sur des modèles bien spécifiés - c'est-à-dire simulables sur ordinateur ou implémentables sur robots - qui permettent de classer et comparer ces mécanismes, principes et architectures.

Thèmes scientifiques

- L'approche Animat

Elle s'inscrit dans une approche qui se veut complémentaire de celle de l'Intelligence Artificielle traditionnelle. En effet, cette dernière a plutôt cherché à ce jour à simuler les facultés les plus élaborées du cerveau humain - résolution de problèmes, compréhension du langage naturel, raisonnement logique - et à mettre en œuvre pour ce faire une approche computationnelle de la cognition. Cette orientation a conduit l'Intelligence Artificielle traditionnelle à oublier que les êtres vivants sont toujours situés dans un environnement avec lequel ils interagissent en permanence par l'intermédiaire de leurs senseurs et de leurs effecteurs. Elle a ainsi négligé les processus de perception, de catégorisation et d'adaptation qui sont primordiaux dans une approche située et il s'en est suivi divers problèmes théoriques ou pratiques, ainsi qu'une relative stagnation de la discipline.

SAB2000 relève de ce qu'on appelle maintenant la Nouvelle AI, la Robotique Comportementale, l'Intelligence Artificielle Située ou encore l'Approche Animat. Cette approche s'intéresse à des agents autonomes, capables d'interagir avec leur environnement, et dans lequel ils peuvent poursuivre plusieurs buts parfois contradictoires - comme se nourrir, se reproduire, échapper à leurs prédateurs, etc. Pour survivre, ces agents doivent utiliser les informations que leur fournissent leurs senseurs, informations qu'ils doivent parfois activement rechercher grâce à leurs effecteurs et qu'ils doivent toujours interpréter en fonction de l'environnement rencontré et du but poursuivi. Ainsi, leurs structures de contrôle mettent à l'épreuve les conceptions de James, selon lesquelles "le cerveau n'est pas construit pour penser de façon abstraite, il est construit pour assurer notre survie dans le monde". Ces structures de contrôle doivent en priorité assurer des aptitudes minimales à explorer et à catégoriser l'environnement ; à représenter l'espace et les lois physiques du monde environnant ; à gérer des buts, des motivations et des émotions ; à apprendre et à évoluer.

- L'élaboration de cartes cognitives et de modèles du monde en vue de détecter et de s'adapter à la nouveauté

L'aptitude à naviguer - c'est-à-dire l'aptitude à rejoindre un but donné dans l'environnement de façon aussi directe que possible, tout en évitant éventuellement certains endroits - est certainement l'une des plus essentielles à la survie d'un animat. En son absence, l'animat ne saurait pas comment rejoindre ses sources d'énergie, comment éviter les obstacles ou comment échapper à des rencontres dangereuses. Or, si les ingénieurs ont conçu de nombreux systèmes de navigation, ces systèmes mettent généralement en œuvre des représentations géométriques internes de l'environnement et posent alors divers problèmes d'implémentation, du fait de contraintes de mémoire ou de temps de calcul, ou du fait des erreurs commises par les senseurs ou les actionneurs utilisés par ces systèmes.

Dans ces conditions, dans la mesure où les animaux savent naviguer de façon efficace et robuste, il n'est pas surprenant que de nombreux chercheurs aient essayé d'incorporer dans les animats les données neurologiques et les stratégies comportementales acquises ou précisées par les biologistes. Ces travaux reposent sur des représentations internes de l'espace environnant - souvent appelées des " cartes cognitives " - qui doivent être apprises en-ligne, c'est-à-dire sitôt que l'animat est confronté à un environnement nouveau et qu'il commence à l'explorer.

Lorsque ces cartes atteignent un degré de précision suffisant, l'animat peut les exploiter pour se localiser, puis pour naviguer vers un but. Pour ce faire, il peut utiliser les amers saillants de l'environnement pour distinguer et reconnaître les différents lieux qu'il traverse. Cette faculté implique qu'il ait mémorisé quels amers sont perceptibles à partir de quel lieu, ce qui lui permet éventuellement de s'apercevoir que des changements sont survenus en un endroit donné. Selon que ces changements sont réels ou qu'ils résultent d'une erreur de ses senseurs, l'animat doit ou non mettre à jour sa carte cognitive et doit donc re-explorer l'endroit en question, soit à distance s'il est capable de perception active - c'est-à-dire s'il peut contrôler l'orientation de ses senseurs - soit en retournant à l'endroit considéré.

- Les modèles de sélection de l'action mettant en œuvre des systèmes motivationnels et, éventuellement, émotionnels

Le problème de la sélection de l'action est celui que rencontre tout agent, animat, robot qui doit décider quoi faire à tout moment. Doit-il continuer l'action courante ou, au contraire, s'engager dans une autre action et, dans ce cas, laquelle ? Ce problème est lié aux notions de but et de motivation et peut être abordé de façon plus ou moins intelligente et adaptative. Il se trouve aussi que ce problème est considérablement plus aisé à résoudre lorsque le choix d'une action appropriée doit être effectué au service d'un but qui ne change pas : ainsi les robots autonomes actuels ne sont guère utilisés que dans le cadre de tâches d'exploration, de surveillance ou de collecte d'objets et, dans le cadre de l'une ou l'autre de ces tâches, ils savent à peu près bien décider quand il faut cesser d'avancer tout droit et amorcer un virage, lorsqu'ils ont détecté un obstacle par exemple.

Les actions ainsi sélectionnées le sont au bénéfice d'un but unique imposé par l'utilisateur. En revanche, la mise au point d'un véritable système motivationnel, capable en premier lieu de décider quel but ou sous-but couramment poursuivre, puis capable de sélectionner la bonne action à accomplir au service du but ou sous-but courant, est une tâche notoirement difficile. De nos jours, la plupart des systèmes motivationnels sélectionnent l'action à accomplir à partir des seules informations fournies par les senseurs internes ou externes de l'animat et les décisions qu'ils prennent sont alors de simples réflexes.

D'autres systèmes, plus rares, utilisent aussi leur mémoire et implémentent donc des solutions plus cognitives. Ces systèmes décident quoi faire, non seulement en fonctions de ce qu'ils perçoivent, mais aussi en fonction du souvenir qu'ils ont de l'utilité passée de telle ou telle action dans les mêmes circonstances.

D'autres approches, plus rares encore, tiennent compte non seulement des senseurs et de la mémoire des animats, mais aussi de leur capacité à prévoir et à anticiper. Les animats correspondants décident quoi faire en fonction des conséquences attendues de leurs actes ou de ceux d'autrui. Ils utilisent donc à la fois des réflexes, une mémoire et des capacités de planification.

- L'apprentissage, le développement et l'évolution des comportements adaptatifs

L'apprentissage, le développement et l'évolution sont les trois principaux moteurs de l'adaptation des systèmes naturels. Aussi sont-ils très souvent mis en œuvre dans l'élaboration de systèmes adaptatifs artificiels. L'approche animat repose essentiellement sur deux variétés d'apprentissage, l'apprentissage non supervisé et l'apprentissage par renforcement. La première variété concerne toutes les situations où ce que l'animat apprend ne dépend pas des actions qu'il effectue. C'est le cas lorsqu'il apprend à catégoriser les informations sensorielles qu'il reçoit et qu'il associe, par exemple, la perception de certains amers à un certain lieu dans sa carte cognitive. C'est également le cas lorsqu' il associe les occurrences de deux événements externes, comme dans les situations de conditionnement classique. La seconde variété d'apprentissage concerne les situations où ce que l'animat apprend dépend des conséquences, agréables ou désagréables, de ses actions. Ce sont, par exemple, les situations de conditionnement opérant ou les situations dans lesquelles un animat apprend un modèle du monde, c'est-à-dire un modèle décrivant comment l'environnement change, et avec quelles conséquences, lorsque telle action est exercée dans telle situation.

Plutôt que d'être conçue par un humain et améliorée par apprentissage, l'architecture de contrôle d'un animat peut être déterminée par un processus évolutif simulant les effets de la sélection naturelle, indépendamment de toute intervention humaine. Dans ce cas, cette architecture de contrôle peut être codée dans un génotype et améliorée de génération en génération, à condition qu'un critère d'évaluation approprié permette de distinguer les animats performants - qui sont autorisés à se reproduire et à transmettre leurs génotypes aux générations futures - de ceux qui ne le sont pas - et qui sont exclus de ce processus. De nombreuses recherches portent sur le type de codage et sur la nature de l'architecture de contrôle les plus appropriés à la résolution de chaque problème. En particulier, des résultats prometteurs ont été obtenus au moyen de codages indirects, qui décrivent des programmes de développement à partir desquels sont générés des contrôleurs neuronaux. D'autres recherches portent sur la définition des critères d'évaluation permettant de décider qu'un animat réalise bien la fonction qu'on lui destine. D'autres recherches, enfin, visent à faire co-évoluer des animats aux comportements et aux fonctionnalités différents, ou à faire co-évoluer à la fois l'architecture de contrôle et la morphologie d'un animat donné.

Enfin, une autre direction de recherche dont il est clair qu'elle sera de plus en plus exploitée à l'avenir - parce qu'elle assure plusieurs niveaux d'adaptation à des échelles de temps différentes - est celle qui vise à combiner les processus d'apprentissage, de développement et d'évolution. On peut, en particulier, prévoir que de nombreux travaux viseront à faire évoluer des programmes de développement de réseaux de neurones chargés de contrôler des animats, réseaux au sein desquels des processus d'apprentissage pourront intervenir.

La découverte de tels programmes par évolution assurera, en effet, un premier niveau d'adaptation, vis à vis de changements environnementaux lents susceptibles d'affecter des générations successives. L'exécution de ces programmes - qui engagera le développement dans telle ou telle voie, selon la nature des interactions que l'animat aura avec son environnement - générera des réseaux de neurones dont la morphologie finale dépendra de l'historique de ces interactions, assurant ainsi un deuxième niveau d'adaptation, sur des horizons temporels courts. Enfin, un troisième niveau d'adaptation sera assuré par des mécanismes d'apprentissage au niveau des synapses incluses dans ces réseaux de neurones. Intervenant à l'échelle de la durée de vie de l'animat, il adaptera l'animat à des événements caractérisés par des constantes de temps moyennes.

- Les comportements collectifs et sociaux, notamment la coopération et la communication.

Toutes les directions de recherche qui viennent d'être évoquées trouvent une généralisation naturelle dans le passage de l'animat isolé à l'animat en groupe. S'intéresser à ce passage conduit, par exemple, à rechercher si le développement de l'intelligence n'est pas davantage conditionné par la nécessité de survivre en société que par celle de survivre dans un monde purement physique. Ainsi, pour les tenants de ce qu'il est convenu d'appeler l'" hypothèse machiavélique ", l'intelligence d'un animat se développe parce qu'il apprend à percevoir et interpréter les émotions et les intentions d'autrui, parce qu'il apprend à le manipuler et à le tromper tout en évitant d'être manipulé et trompé soi-même. De même, il est intéressant de rechercher en quoi les possibilités de communication qu'offre la situation de groupe retentissent sur les facultés individuelles d'élaboration d'une carte cognitive ou sur l'apprentissage d'un système motivationnel. Ainsi, l'exploration d'un environnement inconnu peut être utilement partagée par les membres du groupe, tandis que la décision d'aller recharger ses batteries peut être retardée si un autre animat occupe la station de recharge. Plus généralement, des stratégies collectives efficaces peuvent découler des interactions individuelles et il reste beaucoup à faire pour comprendre et exploiter la façon dont ces stratégies peuvent évoluer et émerger.

Résultats attendus

Au plan fondamental, on peut espérer que SAB2000 permettra :

l'identification des principes organisationnels, des lois de fonctionnement et des propriétés minimales qui permettent à un système naturel ou artificiel de s'adapter à un environnement imprévisible;

une meilleure compréhension de la façon dont de tels systèmes peuvent découvrir eux-mêmes ces principes, ces lois et ces propriétés, grâce à des mécanismes d'apprentissage, de développement et d'évolution

la détermination des conditions dans lesquelles le savoir théorique ainsi acquis peut être utilisé pour construire des robots autonomes et d'autres variétés d'agents autonomes synthétiques ; * l'amélioration de nos connaissances théoriques et pratiques sur les systèmes adaptatifs en général, aussi bien naturels qu'artificiels.

Au plan appliqué, SAB2000 a vocation à mettre en scène des agents artificiels qui exhibent certaines propriétés et comportements caractéristiques des êtres vivants, dans des environnements aussi bien réels que virtuels. A ce titre, elle devrait intéresser les industriels concernés par les techniques adaptatives correspondantes, les spécialistes des jeux vidéo et de l'animation par ordinateur, les concepteurs de matériels ludo-pédagogiques, les constructeurs ou utilisateurs de robots autonomes.

Exposés et présentations

Voir le programma détaillé des présentations dans http://www-poleia.lip6.fr/ANIMATLAB/SAB2000/schedule.html

Orateurs invités et thèmes

Nous avons traduit ci-dessous les résumés d'exposés présentés par 5 orateurs invités. Ceux-ci permettent de se faire une idée des travaux actuels . Les textes sont de chacun des auteurs intervenants.

- Eléments de la théorie de la viabilité pour la construction des Animats
Jean-Pierre Aubin Centre de Recherche Viabilité, Jeux, Contrôle Université Paris-Dauphine

Le principal objectif de la théorie de la viabilité est d'expliquer l'évolution de l'état d'un système de contrôle, gouverné par des dynamiques non-déterministes et sujet à des contraintes de viabilité, afin de révéler les feedbacks cachés qui permettent la régulation du système et fournissent des mécanismes de sélection pour les implémenter. Il présuppose implicitement l'existence d'un comportement "opportuniste" et "conservateur" chez le système: un comportement qui rend celui-ci capable de conserver des solutions viables aussi longtemps que son potentiel exploratoire (ou son manque de déterminismes) - décrit par le caractère viable de plusieurs évolutions - rend possible sa régulation. 

- Mécanismes cérébraux pour la navigation et la mémoire spatiale
Alain Berthoz Laboratoire de Physiologie de la Perception et de l'Action College de France

Durant la navigation, le cerveau codifie l'espace en utilisant plusieurs mécanismes qui ont été explorés à la fois chez l'animal et chez l'homme. Ces mécanismes incluent des codages spécifiques de l'emplacement, de la direction et du mouvement (rotation et trranslation). Les cadres de référence utilisés par le cerveau ne sont pas encore clairs, les théories et les données suggèrent que des cadres à la fois égocentriques et allocentriques sont utilisés. Je donnerai plusieurs exemples d'expériences utilisant un robot mobile et la réalité virtuelle, où nous avons étudié la perception de mouvement en 2 Dimensions. En complément, je mentionnerai les preuves obtenues par la neurophysiologie et l'imagerie cérébrale concernant les fonctions de différentes aires cérébrales dans la codification de l'espace durant la navigation et dans la mémoire spatiale. J'essairéi aussi de démontrer les grandes possibilités d efertilisation croisée entre la robotique et les neurosciences dans ce domaine de recherche.

- Mécanismes cérébraux pour un comportement adaptatif autonome (Autonomous Adaptive Behavior)
Stephen Grossberg Department of Cognitive and Neural Systems Boston University

Ces dernières années, il est devenu possible de développer des modèles quantitatifs concernant la façon dont le cerveau contrôle le comportement, notamment des modèles neuronaux qui simulent quantitativement les schémas d'activité dans le temps de cellules nerveuses appartenant à des réseaux identifiés. Parallèlement est survenu une nouvelle compréhension fonctionnelle des problèmes que le cerveau doit résoudre dans chaque cas. Les modèles incorporent de nombreux aperçus nouveaux concernant les types d'architecture qui sont utilisés par les cerveaux de mammifères pour générer des comportements intelligents. Des exemples récents comportent la modélisation de la façon dont l'aire corticale TMS (MST) contrôle la navigation chez l'homme et les mouvements oculaires lents de poursuite; comment plusieurs parties du cerveau (incluant l'amygdale et le cortex prefrontal) interagissent avec les ganglions de la base pour apprendre à répondre sélectivement à des évènements inattendus gratifiants, comment le cervelet apprend à adapter ses temps de réponse aux distribution d'intervalles de temps durant les expériences de conditionnement, comment les aires V1 et V2 du cortex visuel  regroupent l'information sous l'effet de contraintes descendantes et développent un apprentissage stable en réponse à un environnement changeant; comment des mouvements de bras de vitesse et de force différentes sont prévus et exécutés en présence d'obstacles par des circuits moteurs et pariétaux interagisssant avec des ganglions de la base et de la moelle (....) .

D'autres modèles plus qualitatifs sont développés relativement à la façon dont les humains et d'autres animaux réalisent la vision en 3 D, distinguent les figures du fond et apprennent les catégories d'identification; comment les enfants acquièrent l'écriture et d'autres mouvements complexes en séquence, et comment les humains et les animaux peuvent les uns et les autres estimer les quantités dénombrables. Parce que ces travaux contribuent à une meilleure compréhension des comportements adaptatifs autonomes, ils trouveront rapidement des applications dans des applications technologiques. L'exposé présentera une gamme de ces découvertes récentes.

-  Interfacer les circuits électroniques avec des êtres vivants
Raphael Holzer Swiss Federal Institute of Technology, Institute of Microsystems, Bio-interface group

Les comportements de l'homme et de l'animal sont contrôlés par un grand nombre de neurones. L'information est représentée dans un neurone par le changement de son potentiel de membrane et peut être transmise à d'autres neurones par des processus électriques et chimiques. Si l'on sait beaucoup de chose relativement au fonctionnement du neurone isolé, il est encore difficile de comprendre les interactions entre une grande population de neurones. Des chercheurs dans différents domaines ont essayé ces dernières années d'utiliser des interfaces électroniques avec des êtres vivants. Des japonais ont observé les réponses comportementales d'insectes à une stimulation électrique. Une équipe allemande a utilisé les antennes d'un certain insecte pour construire un biocapteur hybride. Le projet DARPA du DOD américain étudie l'utilisation d'organismes biologiques dans une initiative intitulée Systèmes à Contrôle Biologique. Des micro-dispositifs, appelés Réseaux-multi-électrode, permettent l'étude de cellules neuronales et de coupes de tissu cérébral in vitro en enregistrant ou stimulant des échanges entre groupes de neurones. Ceci permet d'examiner la propagation du signal, les interactions entre neurones, l'apprentissage et l'adaptation au sein de grands groupes de neurones. Sur une plus grande échelle, des implants réalisés sur des patients humains tentent de restorer des fonctions corporelles détruites en stimulant artificiellement les muscles ou en cour-circuitant les cellules  sensorielles réceptrices endommagées, afin de transmettre l'information au cerveau. Des implants cochléaires fournissent un premier exemple réussi de telle transmission. Des progrès récents dans le traitement du signal digital (DSP) et la platicité du cerveau humain permettent dorénavant à une personne affligée d'une surdité complète de tenir une conversation téléphonique normale. Plusieurs équipes aux USA et en Allemagne étudient maintenant un implant rétinien destiné à remplacé une couche de la rétine défectueuse en stimiulant directement la couche nerveuse sous-jacente. Au fur et à mesure que l'on obtiendra des interfaces électroniques de plue en plus plus efficaces avec le système nerveux,  l'on comprendra mieux les complexités du tissu cérébral.

- La vision des insectes, leur navigation et les applications aux robots
Mandyam V. Srinivasan, Centre for Visual Science, Research School of Biological Sciences, Australian National University

En dépit de leurs petits cerveaux et de leur système nerveux relativement simple, les insectes sont remarquablement aptes à percevoir leur environnenemnt et à y naviguer. Notre laboratoire et d'autres ont cherché à comprendre les principes visuels grâce auxquels ces créatures évitent les collisions avec des objets, évaleunt leurs distances, négocient des passages étroits régulent leur vitesse de vol, réalisent des attérissages en douceur, et retrouvent leur nid sans effort. Le présent exposé mettra en lumière certains de ces principes, ainsi que la façon de les implémenter dans des robots capables de navigation autonome.

 

   Sur le site
Sur le web   





 

 

 

Qui sommes nous ? Partenaires Abonnement Nous Contacter

© Association Automates Intelligents