Normer pour mieux varier ? : la différenciation comportementale par les normes, et son application au trafic dans les simulateurs de conduite

Norms to increase variety? : behavioral differentiation using norms, and its application to traffic in driving simulators

• Auteur / Autrice : Benoît Lacroix
• Direction : Philippe Mathieu, Andras Kemeny
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 01/10/2009
• Etablissement(s) : Lille 1

Mots clés

Mots clés contrôlés

Agents intelligents (logiciels)

Comportement collectif

Réalité virtuelle

Interaction humain-machine

Conduite automobile -- Simulateurs

Circulation

Intelligence artificielle répartie

Mots clés libres

Modèle de différenciation comportementale

Résumé

Dans les simulations centrées individu, la variété et la cohérence du comportement des agents sont des critères importants pour le réalisme et la validité de la simulation. Dans ce travail, nous nous sommes intéressés à la prise en compte simultanée de ces deux éléments. Nous proposons un modèle de différenciation comportementale, qui se décline en un outil dont les principaux apports sont d’être générique, non-intrusif, et de permettre une conception en dehors de l'agent. Le modèle s’articule selon trois axes. Tout d’abord, il décrit les comportements des agents par des normes. Celles-ci fournissent un profil comportemental à la conception, et un contrôle de la conformité à l'exécution. Ensuite, le processus de génération des comportements permet d’autoriser la création d'agents déviants ou en violation. Il influe pour cela sur le déterminisme du mécanisme. Enfin, les normes peuvent être inférées à partir de simulations enregistrées ou de situations réelles, afin d'analyser les résultats des expérimentations et d'automatiser la configuration du modèle.Nous avons appliqué cet outil à la simulation de trafic dans SCANeR™, l'application développée et utilisée par Renault pour ses simulateurs de conduite. Les développements réalisés au cours de la thèse introduisent dans le trafic des styles de conduite spécifiés sous forme de normes, par exemple des conducteurs prudents ou agressifs. Ils permettent ensuite de peupler l'environnement de manière automatisée. Au delà de l'amélioration subjective du réalisme, les expérimentations réalisées démontrent les apports de l'outil sur la variété et la représentativité des comportements obtenus.

In individual-centered simulations, the variety and consistency of agents' behaviors are important for the realism and validity of the simulation. In this work, we addressed the issue of the simultaneous influence of these two elements. We propose a behavioral differentiation model, which provides the basis for a generic and non-intrusive tool allowing an out-of-the-agent design.The model involves three dimensions. First, it describes the agents' behaviors using norms. They provide a behavioral pattern during conception, and a compliance reference during execution. Then, the generation process of the behaviors allows the creation of deviant or violating agents, by influencing the determinism of the mechanism. Finally, the norms can be inferred from previous simulations records or real data, providing an analysis tool of the results and allowing automating the model configuration.We applied the model to the traffic simulation in SCANeR™, the driving simulation software developed and used at Renault. The developments carried out during the thesis introduced driving styles in the traffic (e.g. cautious or aggressive drivers) specified using norms. The use of norms allows populating the environment easily and in an automated way. The behavioral realism of the traffic was improved, and the experimentations show how the model contributes to the variety and the representativeness of the produced behaviors.