Modélisation décisionnelle de personnages virtuels autonomes évoluant dans un environnement virtuel pour la prévention des risques sur les sites SEVESO

par Lydie Edward

Thèse de doctorat en Technologies de l'information et des systèmes

Sous la direction de Jean-Paul Barthès et de Domitile Lourdeaux.

Soutenue en 2011

à Compiègne .

mots clés

• Environnements virtuels
• Agents virtuels
• Modélisation décisionnelle
• Architecture cognitive
• Systèmes multi-agents
• Modèle BDI
• Sites SEVESO
• Réalité virtuelle
• Avatars (informatique)
• Intelligence artificielle
• Intelligence artificielle répartie
• Informatique -- Aspect cognitif
• Sciences cognitives
• Cognition
• Psychologie cognitive
• Prise de décision -- Modèles mathématiques
• Ontologies (informatique)
• Installations classées -- Prévention
• Installations classées -- Gestion du risque
• Risques industriels -- Prévention

Résumé

Dans notre travail, nous cherchons à modéliser le comportement d'agents autonomes évoluant dans un environnement virtuel perturbé. Afin d'augmenter la crédibilité des comportements des agents, nous proposons de modéliser leurs états cognitifs en nous basant sur un modèle de la cognition issu d'études en psychologie. Ainsi en fonction de ceux-ci, les agents autonomes adoptent des comportements déviés qui permettent de rendre compte de processus décisionnels variés. Nous proposons une architecture cognitive s'appuyant sur le modèle BDI que nous enrichissons en intégrant dans le processus de décision de l'agent, la prise en compte de sa personnalité et de ses caractéristiques physiques et physiologiques (pression temporelle, faim, soif, fatigue). Finalement, on cherchera aussi à montrer comment l'environnement virtuel peut-être informé à partir des ontologies.

Titre traduit

Decisional modeling of autonomous virtual characters evolving in an environment for risk prevention on high-risk sites namely SEVESO

Résumé

Our research deals with the design of a training system to support decision-making in the preparation and the management of maintenance interventions in high-risk industries namely SEVESO sites. The proposed system incorporates virtual reality and artificial intelligence to simulate virtual autonomous characters and their cognitive processes in dangerous working situations. It generates behaviour-based errors to support learning and risk prevention. It uses new mechanisms taking into account human factors with respect to cognitive modelling of human behaviour regarding risky situations. In the simulated environment the trainee can visualize the risks incurred during his work with the virtual agents. The emergent risks depend on the cognitive characteristics of the virtual operators and on the expertise of the trainee. We propose a multi-agent system to support the control of virtual operators represented by virtual cognitive agents. The difference with a classic MAS is that our cognitive agents are enriched with a planner for selecting actions according to goals, the environment and to the personal characteristics of the agents (time pressure, caution, tiredness, hunger).