Méthodes d'apprentissage et de déclenchement événementiel pour la coordination de systèmes multi-agents

Learning and event‐triggered methods for the coordinations of multi‐agent systems

• Auteur / Autrice : Mathieu Marchand
• Direction : Hélène Piet-Lahanier, Vincent Andrieu, Sylvain Bertrand
• Type : Thèse de doctorat
• Discipline(s) : Automatique
• Date : Soutenance le 09/10/2023
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication (Orsay, Essonne ; 2015-....)
• Partenaire(s) de recherche : Laboratoire : Office national d'études et recherches aérospatiales (France). Département Traitement de l’Information et Systèmes (2017-....)
• Partenaire(s) de recherche : Référent : Université Paris-Saclay. Faculté des sciences d’Orsay (Essonne ; 2020-....)
• Partenaire(s) de recherche : graduate school : Université Paris-Saclay. Graduate School Sciences de l’ingénierie et des systèmes (2020-….)
• Jury : Président / Présidente : Antoine Girard
• Jury : Examinateurs / Examinatrices : Romain Postoyan, Christophe Prieur, Sophie Tarbouriech, Denis Efimov
• Jury : Rapporteurs / Rapporteuses : Romain Postoyan, Christophe Prieur
• DOI : 10.70675/3995b8e3z55c3z4285za072z0e5034633d59

Mots clés

Mots clés contrôlés

Traitement réparti

Véhicules autonomes

Apprentissage profond

Optimisation globale

Mots clés libres

Systèmes multi-Agents

Apprentissage

Communication à déclenchement événementiel

Commande distribuée

Optimisation

Multi-Agent system

Learning

Event-Triggered communication

Distributed control

Optimisation

Résumé

Dans ce manuscrit, nous nous sommes intéressés à la synthèse de lois de commande et de communications distribuées afin qu'un système multi-agents réalise une mission coopérative de consensus. Dans le cas de la commande distribuée, chaque agent doit évaluer sa commande en fonction de ses connaissances et des informations pouvant être envoyées par ses voisins. Les communications sont énergivores, elles doivent être donc limitées. Les communications à déclenchement événementiel consistent à ne transmettre une information que lorsqu'elle est jugée intéressante et permettent de réduire significativement la quantité de communications tout en préservant les performances du système. Afin de quantifier si l'information pouvant être envoyée est intéressante ou non, une métrique, appelée condition de déclenchement de communication, doit être définie. Cette condition est d'autant plus complexe à obtenir que les dynamiques du système multi-agents le sont. Dans un premier temps, nous avons cherché à obtenir cette condition pour les systèmes multi-agents décrits par des dynamiques non-linéaires affines en la commande, par analyse de stabilité. Remarquant que ces conditions obtenues pouvaient présenter des communications non nécessaires pour l'accomplissement de la mission, nous avons cherché à les optimiser. Dans un premier temps, nous avons considéré le problème de l'observateur à déclenchement événementiel puis nous nous sommes intéressé au cas général des systèmes multi-agents. Une approche par apprentissage profond est proposée pour l'obtention de lois de déclenchement pour ces deux problèmes.

In this thesis, we investigated the development of distributed control and communication laws to control a multi-agent system to achieve a cooperative mission of consensus. In distributed control, each agent calculates its input using only its own knowledge and information sent by its neighbours. Since communication consumes energy, it must be limited. Event-triggered communication, which consists of sending a message only when it is considered important, drastically reduces the number of transmissions while preserving the performance of the system. In order to evaluate whether an information is important or not, a metric called Communication Triggering Condition is defined. This condition is as complex to obtain as the dynamics of the system.First, we investigate to obtain this condition for multi-agent systems described by nonlinear input-affine dynamics achieving the consensus mission, using a stability analysis. Noticing that the conditions obtained can be very conservative, we look for a way to optimise them. First, the event-triggered observer has been considered, then the general framework of multi-agent systems has been investigated. A deep learning approach is proposed to obtain the communication policies for those two problems.