Le groupe McLEOD (Modelling and Control of Complex systems in Large Environments requiring Optimized Decision) s’intéresse à la modélisation, à la conduite et à l’observation de systèmes complexes. Ces problématiques sont abordées essentiellement par deux communautés scientifiques : la communauté « informatique » qui s’occupe de la modélisation et la prise de décision de haut niveau ; la communauté « automatique » qui travaille sur le contrôle et l’application de consignes à bas niveau tout en proposant des outils pour l’observation des systèmes dynamiques. Nous proposons ici de faire converger leurs points de vue et approches en considérant les systèmes complexes sous forme d’entités intelligentes (agents), potentiellement en interaction et dont les comportements suivent le cycle de vie : perception & modélisation > décision > action ; autrement dit un contrôle en boucle fermée.
Les recherches McLEOD
Si les étapes « modélisation », « décision » et « action » sont au centre des recherches du groupe, la partie « perception » sera à la base de collaborations avec les autres groupes du CERI SN. Elles pourront impliquer les enseignants-chercheurs spécialisés en vision et traitement des données et les automaticiens du groupe (au travers notamment de la notion d’observation).
Au niveau « décision »
Les travaux du groupe développés au niveau « décision » seront clairement positionnés en intelligence artificielle. En particulier, ils apportent des contributions scientifiques dans trois sous-domaines de l’IA:
- l’optimisation sous contraintes avec le développement d’algorithmes pour la résolution de problèmes de type COP (Constraint Optimization Problems) / DCOP (Distributed COP) ;
- la prise de décision sous incertitudes basée sur l’utilisation de modèles et de raisonnements stochastique comme les modèles markoviens (MDP, DEC-MDP…) ;
- La modélisation des systèmes complexes sous forme de systèmes multi-agents à des fins de décision et/ou de simulation ;
- La prise de décision distribuée et décentralisée via des mécanismes de coordination entre agents permettant de converger vers une décision collective.
Au niveau « action »
Les travaux développés au niveau « action » relèveront de l’automatique et porteront plus particulièrement sur :
- le contrôle/conduite de systèmes complexes et à grandes dimensions, présentant des non-linéarités, des retards variables, et des dynamiques hybrides ;
- la coordination des actions en temps réel compte tenu des changements imprévus
de l’environnement ; - la modélisation des systèmes (réduction de modèle afin de conserver un outil exploitable en dépit de la complexité et de la dimension a priori du système, modélisation guidée par la donnée pour les systèmes pour lesquels un modèle de connaissance de type « boite blanche » est inatteignable, etc.) ;
- l’observation des systèmes (au sens de l’automatique) permettant l’optimisation de l’utilisation des capteurs (en nombres, en localisation, en instant de “scrutation”, etc.) ;
- la stabilité des lois de contrôle des systèmes étudiés.
Au carrefour de l’automatique et de l’IA
Les travaux développés au carrefour de l’automatique et de l’IA pourront donner lieu à l’exploration de problématiques originales comme :
- la mise en place d’architecture hybride de contrôle permettant des modèles de décision et de contrôle sur des échelles de temps différents avec un niveau fonctionnel (réponse rapide et sûre) supervisé par un niveau délibératif ;
- la supervision de systèmes à commutation : ouvrir des portes quant aux consignes possibles sur le fonctionnel et intégrer les possibilités de commutations dans les modèles délibératifs ;
- ou encore l’usage de méthodes d’optimisation pour l’échantillonnage optimal de systèmes en réseaux.
