Mémoire (1.553Mb)

RECONNAISSANCE DE PLAN PROBABILISTE PAR
EXPLORATION PARTIELLE DES HYPOTHÈSES
par
Julien Filion
Mémoire présenté au Département d’informatique
en vue de l’obtention du grade de maître ès sciences (M.Sc.)
FACULTÉ DES SCIENCES
UNIVERSITÉ DE SHERBROOKE
Sherbrooke, Québec, Canada, 15 octobre 2015

Le 15 octobre 2015
le jury a accepté le mémoire de Monsieur Julien Filion dans sa version finale.
Membres du jury
Professeur Froduald Kabanza
Directeur de recherche
Département d’informatique
Monsieur Abder Rezak Benaskeur
Codirecteur de recherche
RDDC-Valcartier
Madame Hengameh Irandoust
Codirectrice de recherche
RDDC-Valcartier
Professeur Shengrui Wang
Membre interne
Département d’informatique
Professeur Sévérien Nkurunziza
Membre interne
Département de mathématiques
Professeur André Mayers
Président-rapporteur
Département d’informatique
i

Sommaire
La capacité à reconnaître les intentions d’un agent est un élément important de
l’analyse de la situation. Connaître ces intentions est souvent un facteur clé de la prise
de décision dans plusieurs domaines tels que la robotique, les jeux vidéo, la sécurité
informatique et l’analyse du renseignement.
Une des approches algorithmiques souvent utilisées pour reconnaître les inten-
tions d’un agent suppose une connaissance préalable de tous les plans exécutables
par l’agent observé. À partir de ces plans et des données d’observation, on peut alors
prédire les comportements et les intentions de l’agent observé simplement en géné-
rant les modèles d’exécution de plans cohérents avec les données d’observation. Ces
modèles d’exécution constituent en quelque sorte les hypothèses sur le plan et le but
poursuivi par l’agent observé. Ainsi, la probabilité que l’agent observé poursuive un
but particulier est établie comme étant la proportion des modèles cohérents avec ce
but.
Cette approche existe depuis une dizaine d’années et fait partie des approches les
plus étudiées en ce moment. Cependant, elle comporte des lacunes fondamentales,
notamment une explosion combinatoire de la taille de l’espace d’hypothèses. Ce mé-
moire de maîtrise propose un algorithme permettant d’aborder ce dernier problème
en contrôlant l’exploration de l’espace d’hypothèse. Avec ce nouvel algorithme, on
peut approximer la probabilité du but, de sorte que la précision de l’approximation
s’améliore graduellement avec le temps de calcul.
Cette approche a été publiée dans l’une des deux plus prestigieuses conférences
scientifiques sur l’intelligence artificielle : International Joint Conference on Artificial
Intelligence (IJCAI), en 2013.
ii

Sommaire
Mots-clés: intelligence artificielle; raisonnement probabiliste; reconnaissance de plan;
jeux de stratégie en temps réel.
iii

Remerciements
Je tiens à remercier Froduald Kabanza, Abder Rezak Benaskeur et Hengameh
Irandoust d’avoir accepté de diriger les travaux effectués au cours de ma maîtrise.
Leurs suggestions et conseils m’ont permis de bien cerner les lignes directrices de
ma recherche, et de réorienter mes travaux lorsque ceux-ci s’en éloignaient. Je vou-
drais également remercier mes collègues du laboratoire PLANIART pour l’assistance
inconditionnelle qu’ils m’ont accordée, à la fois à titre technique et moral. J’espère
avoir été en mesure de les assister similairement dans leur propre cheminement. Je
souhaite aussi remercier l’entreprise Smart Information Flow Technologies (SIFT) de
nous avoir permis d’utiliser leur implémentation de l’algorithme Yappr. Finalement,
je tiens également à remercier le Conseil de recherches en sciences naturelles et en
génie du Canada (CRSNG) pour l’aide financière qui m’a été octroyée dans le cadre
de ma maîtrise.
iv