Upload
others
View
3
Download
0
Embed Size (px)
Citation preview
L’animation comportementaleUn survol et quelques exemples
inspirés essentiellement des travaux de l’équipe SIAMES — IRISA, Renneswww.game-research.com
www.igda.org/writing/virtualStorytelling.htmwww.openmask.org
De quoi parle t-on ?
3
Animation physiologique réaliste d’êtres vivants
De quoi parle t-on ?Demetri Terzopouloshttp://www.mrl.nyu.edu/%7Edt/alife.html
4
De quoi parle t-on ?
Modèles de comportements individuels
5
De quoi parle t-on ?
Modèles de comportements sociétaux
interaction de comportements individuels
Stéphane DonikianLe musée virtuel
http://www.irisa.fr/prive/donikian/virtual_museum.html
6
De quoi parle t-on ?
Modèles de comportements sociétaux
individus en interaction
http://www.irisa.fr/siames/OpenMASK/
7
De quoi parle t-on ?
Modèles de comportements sociétaux
véhicules en interaction — ou pas
8
activité d'acteurs virtuels autonomes qui évoluent dans un environnement lui-même virtuel
Les acteurs sont capables de percevoir, de décider et d'agir par eux-mêmes dans un certain cadre qui leur est imposé.Le système représenté par les acteurs et leur environnement évolue d'une manière qui n'est pas prédéterminée..
Animation comportementale
9
L’animation comportementale s’attache à décrire le principe d’un comportement plutôt que le comportement lui-même. L’idée est de doter les entités de comportements élémentaires et d’une certaine autonomie.
Deux familles d’approches : Agents réactifs, cognitifs, hybrides Automates
10
biomécanique et physique
réactif
cognitif
rationnel
syst
ème
perce
ptuel
système
locomoteursocial
Niveaux de comportements
système organique
Allen Newell
Unified Theories of Cognition. – Harvard University Press, 1990.
11
À modéliser
Environnementle “paysage” dans lequel se déroule l’“action”
ActeursLes acteurs de l’action
ScénariosLa trame de l’action
12
À modéliser
EnvironnementMonde virtuel,objets manipulables ou non, entités, avatars
13
À modéliser
ActeursAutomates (comportements stéréotypés déclenchés par des événements)Agents réactifs (jeu de règles de comportement pour des situations pré-définies). Exemple : évitement.Agents cognitifs (mécanismes de décision). Exemple : choix entre plusieurs priorités,Agents hybrides (réactifs et cognitifs)
14
À modéliser
ScénariosAutomate : description précise du comportement individuel de l’agent : scriptAgent (réactif et cognitif) : Spécification des tâches à accomplir — sans dire comment ; c’est à l’agent de se “débrouiller”Groupes d’agents (foules) : spécification du comportement global de la foule, qui induit des comportements individuels pour les agents en fonction de leurs caractéristiques propres.
15
Animation comportementale
Disciplines concernéesanimation classique par ordinateurréalité virtuelleintelligence artificielle (vie artificielle)
mais aussipsychologie comportementaleneurosciencesbiologiephysique
16
Les automates
Un automateréagit aux stimuli suivant un schéma pré-défini en fonction de son état interne.Peu d’autonomie / aisément contrôlable
Domaines d’applicationcomportements concurrents / parallèlescomportements hiérarchiques / organisés
17
Les automatesSpécification complète et précise du comportement
eachtime(c1) {A} until(c2)
#/start loopc2/#
c2/#
end(A1,A2,…)/#
!c1.!c2/#
c1.!c2/start new(Ai);timegate
loop
18
Les automates
Langages de description de comportement (exemple : HPTS, équipe SIAMES)
Systèmes d’automates hiérarchiques et parallèlesPossibilité de temporisation sur les états et les transitions, transitions aléatoires
19
Les agents
Un agent est une entité active, autonome mais sociable, qui peut être (pseudo-)intelligente et qui interagit avec un environnement dynamique (son comportement dépend du contexte). Un agent minimal fonctionne selon un cycle de
perception, de décision et d’actions et dispose d’une connaissance de son état interne.
20
Les agents
Autonomie d’un agentla réaction aux stimuli en provenance de son environnement et de son état interne provoque des actions sur son environnement et sur son état interne.
Récepteurs Décision Effecteurs
État interne
Agent minimal
stimuli actions
21
Les agents
Agent communiquantil reçoit et émet des messages.
“Intelligence” d’un agent communiquantcapacité à raisonner sur des données symboliques.Un agent peut être pseudo-intelligent : agent cognitif par opposition aux agents réactifs qui ont des comportements réflexes.
22
Les agents
Récepteurs Planification Émetteurs
État interne
Agent communicant
stimuli actionsCapteurs EffecteursDécision
Connaissances
messages messages
23
Description de scénarios
Mots clés :virtual storytelling,
virtual drama,
interactive narrative
But : maîtriser le déroulement d’une séquence en tenant compte :
de l’autonomie des entités
des diverses possibilités d’interactions
24
Description de scénarios
Quelques enjeux de la scénarisation :Fournir des outils adaptés pour la scénarisation de jeux vidéos dans le but de réduire le temps et les coûts de développements.Créer automatiquement des histoires (virtual storytelling)Concevoir et piloter des systèmes complexes.
25
Approche orientée script
L’histoire est entièrement décrite, les entités n’ont aucune autonomie et les interactions de l’utilisateur n’ont pas de conséquence sur l’histoire.
26
Approche orientée script
Langage SLuHrG : fondé sur HPTS et possède les mêmes caractéristiques.
Interface d’ acteur :Héritée de classes génériques C++.Composée d’évènements et de méthodes.Système de communication par messages.Manipulation par ensemble.
Scénario et Instructions :Instructions d’insertion de code C++Instructions de contrôle : if, else, repeat, waitfor, eachtime, aslongas, etc.Instruction d’ordonnancement : schedule.
27
Approche orientée script
Avantages :Tous les éléments sont décrits et apparaissent dans le code. Les situations incohérentes sont donc impossibles.Aptitude à décrire des scénarios très complexes.
Inconvénients :Quantité conséquente de code ou de scripts à produire.Processus de réécriture complexe en cas de modification.
28
Approche orientée comportements
Pas de scénario en tant que tel :Par leurs interactions mutuelles et avec l’environnement, ce sont les acteurs, dotés de comportements, qui créent l’histoire.
La description des comportements doit donc être en rapport avec le type d’histoires souhaitéesLe choix du mécanisme de sélection de l’action des acteurs est important.
L’utilisateur est complètement intégré à l’histoire et peut avoir un rôle déterminant sur son déroulement.
29
Approche orientée comportements
Les acteurs possèdent un rôle qui peut être décomposé en buts, sous buts, et actions terminales ; il est représenté par un réseau de tâches hiérarchiques (HTN).
Le système de planification parcours l’arbre en profondeur d’abord et les actions terminales de gauche a droite. Des heuristiques sur les noeuds, des pré-conditions sur les actions terminales et l’état interne de l’acteur influent sur la planification.
30
Approche orientée comportements
réseau de tâches hiérarchiques (HTN).
31
Approche orientée comportements
Avantages :L’histoire est générée par l’interaction entre les acteurs et l’utilisateur.La quantité de code à produire est réduite.
Inconvénients :L’histoire peut devenir incohérente.Des fins prématurées peuvent survenir.
32
Approche intermédiaire
Combine les approches orientée acteurs et orientée script pour offrir aux acteurs une certaine autonomie tout en conservant un contrôle de l’action relatif au type d’histoire souhaitée.Principe : guider les actions des acteurs pour arriver à construire une histoire semi structurée et consistante.
33
Approche intermédiaire
Virtual StoryTeller :Les acteurs disposent de rôles, sont autonomes mais n’ont aucune connaissance de l’histoire.Un directeur ne connaît pas le scénario mais dispose de connaissances sur la création d’une bonne histoire.Les acteurs, avant de faire une action, demandent au directeur la permission qui juge de la pertinence de l’action et l’autorise ou non.
34
Approche intermédiaire
Avantages :L’histoire restera cohérente.Le déroulement n’est pas pré-déterminé mais la ou les fins seront respectées.Expression plus au niveau des scénarios.
Inconvénients :La description du directeur peut être assez difficile.
35
Description de scénarios
Comparaison des approchesApproche orientée script :
ne permet pas de réelles innovations.code de grande taille en général.
Approche orientée comportement :semble offrir beaucoup de possibilités,mais son indéterminisme n’offre pas une solution fiable pour la création de jeux scénarisés.
Approche intermédiaire semble être une solution plus propice pour créer des scénarios dynamiques intégrant l’utilisateur, avec l’assurance d’une cohérence.
Animation comportementale de groupes et de foules
37
Modélisation de groupes d’animaux Craig W. Reynolds
Boids
travaux précurseurs de
l’animation
comportementale
Animation comportementale de …troupeaux, de nuées, de bancs,…
38
Animation comportementale de …troupeaux, de nuées, de bancs,…
Deux notions importantes :Cohésion
Les individus doivent rester en groupe même si un obstacle les oblige à se séparer.
force de cohésion
Évitement (des collisions)les individus doivent avoir un « espace d’intimité » interdit aux autres individus
force de répulsion
39
De quoi parle t-on ?
Animation comportementale de …troupeaux, de nuées, de bancs,…
Carsten Kolve
brainbugz -(Dynamics
Plugins for Maya)
http://www.kolve.com/
mp_brainbugz/brainbugz.htm
40
Simulation de foules humaines
But: Simuler de façon réaliste une foule humaine dans des environnements spécifiques
41
Modèles :deux tendancesCraig W. Reynolds
Boids
travaux précurseurs de
l’animation
comportementale
Modèle orienté fouleefficace mais les acteurs ne sont pas individualisésréalisme local non assuré(armée de robots).
42
Modèles : deux tendancesSoraia Raupp Musse
PUCRS – Computing
Science Department
http://www.inf.pucrs.br/
~smusse/
Modèle orienté acteurscénario (histoire) émergent pas toujours cohérent.modèle coûteux en machine.
43
Foules humaines
Foules de passants, de badauds, d'individus ayant un but, de groupes d'individus…
pas nécessairement de cohésionLes individus sont ensemble parce que leurs objectifs propres leur font adopter des trajectoires proches, mais il n'y a pas nécessairement de facteur de cohésion.
sauf dans certains cas…cas d'une manif. politique (on retrouve la grégarité).cas de familles, groupes d'amis : cohésion de groupes au sein de la foule mais pas cohésion de la foule elle-même
44
Foules humaines
Différents types de foulesFoules homogènesGroupesCollections d’agents
45
Comportement de foules basé sur descomportements de groupes
Simulation de foules humaines
comportement émergent
comportementde groupe
comportement de foule
comportementde groupe
comportementde groupe
comportementde groupe
comportementsindividuels
46
Comportement de groupe
Objectifs (buts)
buts
pointsd’action
pointsd’intérêt
points qui peuvent avoir
une action associée
points utilisés pour déterminer
le chemin du groupe
47
Comportement de groupe
Objectifs (buts)
48
Comportement de groupe
CollectifCapacité à fonctionner ensemble (de concert)
49
Comportement de groupe
GrégaritéCapacité à suivre un “leader”
50
• Dispertion / agrégation
Comportement de groupe
Modélisation du comportement humain
Besoin de modéliser les différentes facultés qui constituent ensemble l’esprit humain, sans oublier leur relation avec le corps :
le langage (production et perception),la mémoire,la perception,le contrôle musculaire,les émotions.
51
52
Modélisation du comportement humain
Besoin de modéliser des facultés spécifiquesà un métier,à une activité particulière : conduite automobile par exemple.
53
Modélisation du comportement humain
Par le basmodélisation de l’activité cérébrale elle-même en fonction des stimuli divers auxquels est soumis le cerveau.
On utilise souvent les réseaux de neurones
Par le hautmodélisation de l’émanation symbolique de l’activité cérébrale (pensée, émotion, raisonnement,…) en fonction des interactions de même nature
Définition de modules décrivant chacun un mécanisme et des relations de séquencialité ou de parallélisme existant entre eux
54
Modélisation du comportement humain
PerspectivePas de modélisation de l’intelligence humaineModélisation crédible d’acteurs virtuels anthropomorphes évoluant en temps réel dans des mondes virtuels.
55
Modélisation du comportement humain
Plusieurs types de retour des effecteurs vers les capteurs :
1. l’homéostasie : boucle de régulation interne de l’organisme correspondant au maintien des paramètres biologiques face aux variations du milieu ambiant ;
2. le comportement d’acquisition : partie du comportement utilisée pour améliorer la perception ;
3. les interactions avec l’environnement : boucle de retour la plus importante.
56
Modélisation du comportement humain
Environnement
Effecteurs
Unités detraitement
Récepteurs
homéostasie (régulation interne)
comportement d’acquisition
57
Modélisation du comportement humain
Capacités de l’être humainperception
extéroceptiveperception de l’environnement par les cinq sens.
proprioceptiveperception de son propre état interne, en particulier la faim, la soif, la fatigue…
traitementraisonnements plus ou moins intuitifs basés sur les données perçues mais aussi sur ses propres connaissancesdécision : fondée sur le résultat du raisonnement
actionsmémorisation des expériences vécues
58
Cognition
se réfère généralement à des processus mentaux variés tels que :
l’attention,la reconnaissance des lieux,la reconnaissance des objets,la planificationle raisonnement.
59
Cognition
Constat :pas de notion de comportement alors que la plupart des fonctions cérébrales servent à organiser le comportement d’un organisme vis-à-vis de son environnement
Conclusion :nécessité d’une théorie de la cognition orientée comportement
✘ reconnaissance de l’existence de représentations mentales
60
Modèle comportemental de la cognition
Premier principe :Choisir le mécanisme et la représentation les plus simples requis pour expliquer un comportement observé
Inutile de mettre en place une “usine à gaz” à base d’intelligence artificielle avancée, alors que de simples mécanismes réflexes peuvent parfois suffire.Exemple : comportement réflexe — qui paraît sophistiqué — d’une guêpe maçonnière
61
Modèle comportemental de la cognition
Deuxième principe :Déterminer quel est le comportement le plus simple qui requiert un type donné de représentation mentale.
Ce n’est pas la peine de mettre en place un certain type de représentation mentale si le comportement le plus simple qui lui correspond n’a pas à être modélisé.
62
Théorie du contrôle
Concept de base : l’asservissementlorsque les résultats du comportement d’un système sont différents de celui désiré, le système modifie son comportement via une boucle de rétroaction de la sortie du système sur son entrée
système : organismerésultat du comportement : résultat des actions effectuées par l’organisme
63
Théorie du contrôle
Boucle de rétroaction1. comparaison entre un état perçu et un état attendu2. maintien de l’erreur dans des limites acceptables
64
Théorie du contrôle
Effecteurs
Unités de traitement
Récepteurs
objectif
réalité
agent
perception
traitement de la perception décision
action
représentationmentale
comparaison
65
Théorie du contrôle
Boucle de rétroaction : notion génériquefonde tous les processus d’adaptations à tous niveaux
asservissement musculaireplanification d’actionprise en compte du contexterégulation des comportements sociaux
Le langage HPTS(Hierarchical Parallel Transition Systems)
Fonctionnalités requises
Langage de description des comportements
67
Contrainte ObjectifModularité mise à jour
Réactivité simulation temps réelHiérarchie structure de contrôle
Simultanéité, concurrence activités parallèles incompatiblesPréemption résolution des conflitsExceptions gestion des situations d’exception
Gestion du temps activités de durées différentesGestion des flux de données communication entre les unités
Représentation par des automates
Exemple du langage HPTS
Exemple d’automate pour modéliser la conduite
69
attendre
libre
suivre
conduite stopper
ralentirpour tourner
distance frontaleacceptable le signal
arrêtacceptable
distance lattérale
à gauchetourner
tournerà droite
ne pastourner
Représentation par automates
Système de transitions
70
A B
C
e2 e2
e1 (c)
A Be1 (c)
A Be1 (c)
C
e2
abstraction
D D
C
e2 e2
événement condition
transition
états
Système de transitions
A B
C
e2 e2
e1 (c)
A Be1 (c)
A Be1 (c)
C
e2
abstraction
D D
C
e2 e2
Représentation par automates
71
¬c, e1
Système de transitions
Représentation par automates
72
A B
C
e2 e2
e1 (c)
A Be1 (c)
A Be1 (c)
C
e2
abstraction
D D
C
e2 e2
c
Système de transitions
c, e1
Représentation par automates
73
A B
C
e2 e2
e1 (c)
A Be1 (c)
A Be1 (c)
C
e2
abstraction
D D
C
e2 e2
Système de transitions
e2
Représentation par automates
74
A B
C
e2 e2
e1 (c)
A Be1 (c)
A Be1 (c)
C
e2
abstraction
D D
C
e2 e2
Mécanisme d’abstractionavant
Représentation par automates
75
A B
C
e2 e2
e1 (c)
A Be1 (c)
A Be1 (c)
C
e2
abstraction
D D
C
e2 e2
A B
C
e2 e2
e1 (c)
A Be1 (c)
A Be1 (c)
C
e2
abstraction
D D
C
e2 e2
e2 e2
Mécanisme d’abstractionaprès
A B
C
e2 e2
e1 (c)
A Be1 (c)
A Be1 (c)
C
e2
abstraction
D D
C
e2 e2
A B
C
e2 e2
e1 (c)
A Be1 (c)
A Be1 (c)
C
e2
abstraction
D D
C
e2 e2
e2
D
Représentation par automates
76
OrthogonalitéA2 et C2 sont simultanément actifs
Représentation par automates
77
e1
e2
A1
B1
A0
A2 B2
C2 D2
F0
e1 ou e3
e1
Représentation par automates
Un exemple d’utilisation sommaire
78
Perception Décision Action
Environnement
rouler normalement
freiner
événement : le feu passe au rouge
Syntaxe de HPTS
Exemple 1
80
simple
init
run
fin
ev2
ev1/ev3
AUTOMATE simple;{
//état initialINITIAL init;//état finalFINAL fin;//liste des étatsETATS{
init;run;fin;
}//liste des transitionsTRANSITION t1;{
ORIGINE init;EXTREMITE run;MSGEVT(ev1)/MSGEVT(ev3);
}TRANSITION t2;{
ORIGINE run;EXTREMITE fin;MSGEVT(ev2)/#;
}}
Exemple 2
81
AUTOMATE simple_flots;{
VARIABLES{
int a;int b;}//données de sortieOUT b;INITIAL init;FINAL fin;ETATS{
init;{a=0;b=0;}run;{a=a+1;b=a;}run2;{a=a+1;b=2*a;}fin;
}TRANSITION t1;{
ORIGINE init;EXTREMITE run;MSGEVT(ev1)/#;
}
TRANSITION t2;{
ORIGINE init;EXTREMITE run2;MSGEVT(ev2)/#;
}TRANSITION t3;{
ORIGINE run;EXTREMITE fin;MSGEVT(ev2)/#;
}}
b : entier
Sorties
a : entier
Variables localessimple_flots
ev3
ev2
fin
run2
ev1
ev2
run
init
b : entier
Sorties
a : entier
Variables localessimple_flots
ev3
ev2
fin
run2
ev1
ev2
run
init
a=a+1b=a
a=0b=0
a=a+1b=2*a
macro
simple
init
rundebut
ev1
ev2
final
fin
a
Exemple 3
82
AUTOMATE macro;{
INITIAL debut;FINAL final;ETATS{
debut;simple;final;
}TRANSITION t1;{
ORIGINE debut;EXTREMITE simple;MSGEVT(a)/AUTO(start,simple);
}TRANSITION t2;{
ORIGINE simple;EXTREMITE final;AUTO(end,simple)/#;
}}
concurrent
simple1
simple2
debut finala
Exemple 4
83
AUTOMATE concurrent;{
INITIAL debut;FINAL final;ETATS{
debut;simple;final;
}TRANSITION t1;{
ORIGINE debut;EXTREMITE simple;MSGEVT(a)/AUTO(start,simple1),AUTO(start,simple2);
}TRANSITION t2;{
ORIGINE simple;EXTREMITE final;AUTO(end,simple1)AUTO(end,simple2)/#;
}
simple
Dépassement véhicule
84
Libre
SuiviDéboiter Rabattre
85
f_1(a) / AUTO(start,JVL[a])
f_4(a) / AUTO(start,JVL[a])
f_4(b) / AUTO(start,JVL[b])
f_1(b)AUTO(start,JVL[b])
notf() / # VUTb / AUTO(start,VUT[b])
VUTa / AUTO(start,VUT[a])
AUTO(end,VUT) / #
AUTO(end,JVL) / #
JVLa
Automate feu_tram
JVLb
VVL_rallonge
6s
VVL_mini
VUTb
VUTa
86
87
init
suivi
CroisementX
CroisementTCroisementY
88
Concurrence
Concurrencedans l'accès à des ressources
internes (au sein d'un même acteur)externes (ressource commune à plusieurs acteurs)
entre des buts (concurrences fonctionnelles (?))certains buts sont contradictoires
chercher de la nourriture vs fuir un prédateur
logiquedeux actions sont techniquement combinables mais le faire serait absurde (elles concourent à des buts contradictoires)
pression sur la pédale d'accélération versus utilisation du frein à main.
89
Sélection de comportements
Problème essentiel :Choix entre les comportements concurrents possibles
fuir ou attaquer,boire ou fumer,accélérer ou s’arrêter à un feu,respecter la cohésion ou éviter les collisions,…
90
Sélection de comportements
Nécessité d’une stratégie de sélection des comportements.Notion d’arbitrage
automate,règles de déclenchement,excitation ou inhibition,…
Représentation par un automate
Un comportement est un état de l’automate
(voir HPTS)
Systèmed’excitation/inhibition
Les comportements sont excités ou inhibés
93
Système d’excitation/inhibition
Influence mutuellesystème de vote,
Influence externe,Contextes,Planificateur,Module de sélection,
Sélection par la perception(comportements réactifs)
réseaux de neurones
94
Systèmed’excitation/inhibition
Influence externe suivant des points de vueSources de recommandations de comportements
plusieurs points de vue (ici des niveaux d’analyse)situation externe globale : conditions particulières de l’environnement pouvant influer sur le comportement de l’acteurModule de cognition : envisage les interactions de l'entité avec l'environnement externe et ses modules de recommandationsModule de besoin : pour ajuster le comportement de l'entité en fonction de ses objectifs propres et du rôle qu’elle a à jouer
Module de sélection finaleunifie les recommandations pour choisir les comportements à adopter.
SIR-LABORIUSUniversité de Sherbrooke, CANADA
Effecteurs
Influence externe suivant des points de vue
Systèmed’excitation/inhibition
SIR-LABORIUSUniversité de Sherbrooke, CANADA
État de l’acteurE
nviro
nnem
ent
Sélection finale
Sélection du comportement
Module decognition
Module debesoins
Situation externe globale
ContexteC1
C2
C4
C3
C5
C6
C7
recommandent
96
Systèmed’excitation/inhibition
Influence externe suivant des points de vueCentres d’intérêt : expriment un point de vue
expriment leur “avis” (intérêt) à propos d’un comportement potentiel par :
excitation énergétique : les excitations se cumulent, ce qui peut favoriser certains comportements “éclairés” par plusieurs centres d’intérêtinhibition énergétique : réduit une excitation déjà présente
Chaque centre d’intérêt ne concourt qu’à un seul objectifégoïsme
Le calcul de l’intérêt d’un centre d’intérêt provientde motivations : facteur interne, fonction de l’état et des butsd’opportunités : facteur externe, issu de l’environnement
Alex BuendiaSociétéSPIROPS
Influence externe suivant des points de vue
Effecteurs
Systèmed’excitation/inhibition
Env
ironn
emen
t
Sélection du comportement
Centre d’intérêt 1
ContexteC1
C2
C4
C3
C5
C6
C7
excitation/inhibitionénergétique
Centre d’intérêt 2
Centre d’intérêt 3
Centre d’intérêt 4
Centre d’intérêt 5
Centre d’intérêt 6
Centre d’intérêt 7
Centre d’intérêt 8
Centre d’intérêt 9
Éta
t de
l’act
eur
Alex BuendiaSociétéSPIROPS
Influence externe suivant des points de vue
Effecteurs
Systèmed’excitation/inhibition
Env
ironn
emen
t
Sélection du comportement
Centre d’intérêt 1
ContexteC1
C2C4
C3C5
C6
C7
excitation/inhibitionénergétique
Centre d’intérêt 2
Centre d’intérêt 3
Centre d’intérêt 4
Centre d’intérêt 5
Centre d’intérêt 6
Centre d’intérêt 7
Centre d’intérêt 8
Centre d’intérêt 9
Éta
t de
l’act
eur
Alex BuendiaSociétéSPIROPS
99
Système d’excitation/inhibition
Sélection directe par le contexte
Xiaolin HuGeorgia State University Atlanta USA
Effecteurs
Contexte 1
Couche contexte
C1
C2
C4
C3C5
C6
C7
inhibition mutuelle
Contexte 2
Contexte 3
Contexte 4
Couche comportements
100
Système d’excitation/inhibition
Sélection directe par le contexte
Xiaolin HuGeorgia State University Atlanta USA
Effecteurs
Contexte 1
Couche contexte
C1
C2
C4
C3C5
C6
C7
inhibition mutuelle déterminée par le contexte
Contexte 2
Contexte 3
Contexte 4
Couche comportements
101
Système d’excitation/inhibition
Ce sont les contextes qui contiennent les comportements
Soussi et SavelliUniversité de Bourgogne
Effecteurs
Contexte 1
C1 C2
C4
Le contexte le plus fort impose ses comportements quand ils sont incompatibles avec d'autres
Contexte 2C3C5
C6C7
C1
Contexte 1 ∪Contexte 2
∪
force 1
force 2
C1
C4
C2
C6
force 1 > force 2
102
Systèmed’excitation/inhibition
Sélection par la perception
Utilisation des réseaux de neuronessuivant les couches :
capacités réactivescapacités d’“anticipation”(couche associative)
David PANZOLI
Représentation par règlesÀ chaque comportement possible, est associé une règle
104
Sélection de comportements
Potentialité d’action (comportement)décrite dans le système cognitif sous la forme
mais l’apparition de la situation n’induit pas forcément l’action
ces règles servent juste à filtrer, dans l’ensemble des actions “imaginables”, celles qui sont susceptible d’être effectuée dans une situation donnée
Le processus de décision proprement dit est en aval
si situation alors action
105
Sélection de comportements
coopérationcombinaison de plusieurs potentialités d’actions
compétitionune seule potentialité d’action conservée parmi les actions possibles dans une situation donnée
106
Sélection de comportements
Propriétés des règlesseuil d’activationpondération
priorité en cas de concurrenceRessources
nécessitées par l’actionPréférence
préférence consciente pour un comportement
107
Sélection de comportements
Relations statiques entre les règlescompatibilité ou incompatibilitéinclusion partielle des effets
Relations dynamiques entre règlesinhibition (concurrence ou redondance des effets)renforcement (coopération)