IFT702 – Planification en intelligence Artificielle
5
pages
Français
Documents
Le téléchargement nécessite un accès à la bibliothèque YouScribe Tout savoir sur nos offres
5
pages
Français
Documents
Le téléchargement nécessite un accès à la bibliothèque YouScribe Tout savoir sur nos offres
- fiche - matière potentielle : signalétique
- cours - matière potentielle : théorique
- exposé - matière potentielle : magistraux sur quelques approches de planification en intelligence artificielle
- cours - matière potentielle : hiver
- cours magistral
- exposé - matière potentielle : avec la présentation
- exposé
- approches actuelles
- consultation sur les projets au bureau du professeur
- principes de base des approches
- ift702 - planification en intelligence artificielle
- problème de reconnaissance
- plan optimal
- processus cognitifs
- processus cognitif
- planification
- planifications
- applications
- application
IFT702 Planification en intelligence artificiellePlan de coursHiver 2011
Département d’informatique IFT702 –Planification en intelligence Artificielle Plan de cours Hiver 2011 Professeur Froduald Kabanza Courriel :kabanza@usherbrooke.caTéléphone :(819) 821 8000 (ext. 62865) Bureau :D410222 Site :http://planiart.usherbrooke.ca/kabanza/cours/ift702Disponibilité :Jeudi 13h30 à 15h00 Horaire Jeudi 9h30à 12h20salle D42022 Description Crédits :3 Organisation :Cours théorique3 heures/semaine Travailpersonnel 6heures/semaine Préalable :IFT615 ou équivalent. Fiche signalétique :http://www.usherbrooke.ca/programmes/cours/IFT/ift702.htm ème èmee Particularités :Cours de 3, 2et 1cycles.
Rédigé par Froduald Kabanza1
IFT702 Planification en intelligence artificiellePlan de coursHiver 2011
1Mise en contexte La planification consiste à décider quoi faire (décomposer de buts en sousbuts ou sélectionner des actions), comment le faire (allocation des ressources, ordonnancement des actions pour accomplir une tâche) et quand le faire (tenir compte des contraintes temporelle).Le plus souvent, les êtres humains sont conscients de leur processus de planification dans des situations inusitées (par exemple, chercher un chemin dans une ville qu’on visite rarement) ou pour des tâches cognitivement complexes (par exemple, assembler un appareil). Néanmoins la capacité de planifier est un aspect essentiel de l’intelligence humaine et omniprésente dans les processus cognitifs, le plus souvent de façon inconsciente. Pour les systèmes intelligents tels que les robots ou les intelligences artificielles (IA) évoluées pour les jeux vidéo, la planification est une capacité fondamentale et elle est explicite dans les algorithmes de prise de décision. Dans ce type d’application, l’acteur (robot ou IA) est souvent appelé un agent. Un tel agent a besoin de planifier même dans des environnements familiers parce qu’il n’a pas la capacité humaine d’exhiber des comportements purement réactives élaborées. Un comportement orientébut («goaldirected »en anglais) en apparence simple (par exemple aller d’un point à un autre) est souvent le résultat d’une planification complexe. C’est une des raisons pour lesquelles la planification a toujours été et demeure un des champs de recherche actif dans le domaine de l’intelligence artificielle. D’un point de vue théorique, certaines approches pour la planification chevauchent des approches dans les domaines de la recherche opérationnelle et de la théorie du contrôle. Mais en étant motivé par l’intelligence artificielle, la planification touche d’autres aspects audelà de ces champs d’expertise, notamment la représentation des connaissances et les mécanismes d’inférence.
Dans ce cours nous verrons les approches deplanification de trajectoires, permettant par exemple aux robots de se déplacer en évitant des obstacles.
Nous verrons aussi des approches deplanification de tâchespermettant de calculer une séquence d’actions ou un ensemble de réactions permettant de contrôler un système selon un comportement désiré.
La planification est un processus cognitif parmi tant d’autres qui sont aussi essentiel à l’intelligence. En fait, un a besoin d’unearchitecture décisionnellequi coordonne la planification et les autres processus cognitifs selon le contexte et les besoins. Nous verrons un exemple d’architecture décisionnelle en se concentrant sur les aspects liés à la planification. En particulier, une telle architecture coordonne les processus d’observation de l’environnement, d’interprétation des données sensorielles, de génération de plan et d’exécution de plans. L’interprétation des données sensorielles est un domaine très vaste, impliquant entre autre le problème dereconnaissance de plans. Il s’agit reconnaître les plans, les buts ou les intentions d’un autre agent (par exemple, un adversaire dans un jeu) en observant les effets de ses actions. Nous aborderons ce problème ainsi que ses multiples applications potentielles.
La planification et la reconnaissance de plans visent à automatiser des processus cognitifs. Il peut s’agir d’une automatisation complète ou d’une automatisation partielle pour aider un usager à accomplir des tâches, en surveillant si ses actions sont conformes à un plan optimal et en recommandant des étapes. On parle alors deplanification avec initiative mixteet nous en verrons quelques exemples.
Rédigé par Froduald Kabanza2
IFT702 Planification en intelligence artificiellePlan de coursHiver 2011
La robotique a pendant longtemps servi de banc d’essaie pour la planification en intelligence artificielle. Les applications récentes touchent désormais des domaines d’application variées, tels quel’intelligence artificielle pour les jeux, l’assistance aux personnes avec des capacités cognitives affaiblies et les applications militaires. Ce cours est orientérecherche. Dans une grande mesure, le cours vise à exposer les problématiques, introduire les approches actuelles, faire comprendre leurs forces et faiblesses et susciter la réflexion. La plupart des méthodes que nous verrons sont loin d’être une panacée. Elles servent plutôt à couvrir l’état de l’art le plus possible. 2Objectif généraux Ce cours vise à familiariser les étudiants avecles techniques courantes de planification en intelligence artificielle et appliquer certaines d’entre elles à des problèmes choisis. 3Objectifs spécifiques À la fin de cette activité pédagogique, l’étudiante ou l’étudiant sera capable : 1.de comprendre et d’expliquer les principes de base des approches les plus courantes de planification en intelligence artificielle, en comprendre les forces et les faiblesses; 2.de maîtriser une approche choisie. 4Méthodes pédagogiques 4.1Méthode pédagogique Les six premières séances sont des exposés magistraux sur quelques approches de planification en intelligence artificielle. Lereste des séances sont des consultations sur les projets. Les étudiantschoisiront un projet d’application d’une ou plusieurs approches deplanification parmi celles vues en classe ou d’autres non couvertes en classes. Des sujets de projets seront suggérés. Les projets pourront se faire par groupe de quatre étudiants au maximum. Il n’y aura pas de contraintes sur le langage de programmation. 4.2Évaluation Projet :70 % Examen écrit final:30 % 4.3Échéancier et critères d’évaluation du projet Les critères d’évaluation tiendront compte des aspects suivants : •Complexité du projet (théorique et pratique) et valeur ajoutée s’il s’agit de l’application d’un planificateur existant à un problème donné. •Analyse des résultats (la nature des tests choisis pour démontrer l’application, leur représentativité par rapport à l’application choisie, leur complexité, l’évaluation critique des résultats obtenus selon la complexité du model ou de l’algorithme de planification).
Rédigé par Froduald Kabanza3
IFT702 Planification en intelligence artificiellePlan de coursHiver 2011
5Contenu détaillé
Séances Suet Livre: Section 1 :1 Introduction 2 :1 JE 6/1 Présentation du plan de cours. Planification de trajectoires :Re résentationséométri ues.2 :3 Espace de configurations.2 :4 JE 13/1 Approches combinatoires.2 :6 Approches par échantillonnage.2 :5 Approches hybrides2 : 13 & 14 Planification de tâchesar recherche dans l’esace d’états.1 : 2, 3, 4 Langage de spécification des actions (PDDL)JE 20/1 Heuristiques basés sur les graphes de planification (planning graphs)Approche par réseau de tâches hiérarchique.1 :1 1 JE 27/1Contrôle de la recherche dans l’espace d’états : approche TLPlan.1 : 10 Architectures d’intellience artificielleArticles JE 3/2 Reconnaissance de plansArticles JE 10/2Planification avec des processus de décision Markoviens2 : Part III JE 17/2Consultation sur les projets au bureau du professeur.JE 24/2Consultation sur les projets au bureau du professeur.JE 3/3Relâche des activités pédagogiques. JE 10/3Consultation sur les projets au bureau du professeur.JE 17/3ro ets au bureau durofesseur.Consultation sur les JE 24/3Consultation sur les projets au bureau du professeur. JE 31/3Consultation sur les projets au bureau du professeur. JE 7/4Évaluation des projets. L’examen final aura lieu durant la période des examens, du 11 au 22 avril. Les dates précédentes pourraient changer selon la progression dans chaque thème.
Rédigé par Froduald Kabanza4
IFT702 Planification en intelligence artificiellePlan de coursHiver 2011
6Ressources didactiques •Livres de référence obligatoire:1.Malik Ghallab, Dana Nau & Paolo Traverso. Automated Planning: theory and practice.Morgan Kaufmann, 2004. ISBN: 155860856.http://www.laas.fr/planning/2.Steven Lavalle. Planning Algorithms.Morgan Kaufmann. Cambridge University Press, 2006. ISBN10: 0521862051.http://planning.cs.uiuc.edu/ (disponible en ligne). •Documentation en ligne : Plan de cours. o Présentations (PowerPoint) des cours magistraux. o 7Directives générales pour le projet •Chaque groupe devra soumettre à la date indiquée un fichier compressé contenant : 1.Un rapport en format PDF de 10 pages; 2.Une présentation PowerPoint; 3.Les sources et un exécutable de l’application; 4.Une documentation « Readme.pdf » expliquant clairement et simplement comment lancer l’application et comment lancer les démonstrations choisies pour illustrer l’application. •Chaque groupe devra faire un exposé avec la présentation soumis au point 2 et illustré des démonstrations en temps réel de l’application programmée. •L’évaluation sera basée sur l’exposé; le rapport écrit servira seulement pour valider certains détails qui auront échappé au professeur lors de l’exposé. •projet en retard vaudra zéro, à moins qu’elle soit motivée par des raisons conformesToute soumission du au règlement des études. •Les discussions et collaborations entre des équipes différentes sont encouragées mais le plagiat n’est pas toléré.groupe devra clairement référencer toute composante de leurs solutions obtenue ou Chaque inspirée d’une tierce partie. Les aspects originaux du projet devront être clairement expliqués. À défaut de mentionner des contributions obtenues ou inspirées de tierces sources, ces contributions risquent d’être considérées comme du plagiat et sanctionnées comme tel conformément au règlement des études. Les sanctions dans ce genre de cas sont sévères et peuvent aller d’une note nulle pour le projet à l’exclusion du programme.
Rédigé par Froduald Kabanza5
