Apprentissage constructiviste à base de systèmes multiagents. Une application au problème complexe de la régulation coopérative du trafic

Lorsqu’un systeme autonome evolue dans un environnement complexe, en partie inconnu ou dynamique, il n’est pas possible de fournir une representation exhaustive a priori facilitant son processus de prise de decision ; cette representation etant le resultat de l’interaction du systeme avec son environnement. Pour illustrer ce probleme, nous considerons le cas du controle decentralise du trafic cooperatif, ou une unite d’infrastructure est en charge de reguler localement le flux, en envoyant des consignes aux vehicules connectes. Ce controle est le fruit d’une strategie construite par l’apprentissage d’une representation precise (etats perception- action) des differents etats de trafic. Nous proposons un modele capable, sans connaissance experte, d’utiliser un ensemble de methodes de classification representees sous la forme d’une population d’agents et de les combiner dynamiquement pour construire une representation precise de l’environnement. Cette etude parcourt differents verrous scientifiques a considerer pour qu’un tel systeme puisse apprendre efficacement. Notre approche s’inscrit dans une demarche d’apprentissage constructiviste ou la population d’agents construit collectivement une representation qui exploite, suivant l’usage, les discretisations possibles de l’espace de perception.