Recherche

Modélisation spatiale, zonage

L’orientation principale de ma recherche porte sur la modélisation d’information spatiale dans un soucis agro-environnemental. Dans ce cadre, l’équipe DeMo de l’UMR ITAP (Information, Technologie, Analyse environnementale et Procédés agricoles) à laquelle je suis rattaché développe des outils de modélisation et de décision agro-environnementale. Actuellement, l’explosion de données en agronomie rend cette problématique de plus en plus complexe et soulève de nouvelles questions de recherche. En effet, L’agronomie est aujourd’hui confrontée à des volumes de données complexes et hétérogènes qui nécessitent de nouveaux outils de raisonnement intégrant une multitude de connaissances notamment expertes. Les modèles développés par l’équipe DeMo sont tournés vers l’action et non vers une description phénoménologique détaillée des milieux et des systèmes étudiés. Ils doivent permettre l’intégration de données, de connaissances expertes et de contraintes. La dimension spatiale est très importante en agronomie et de nombreux moyens d’acquisition de données permettent d’obtenir des données géo-référencées. L'axe DeMo possède déjà une double compétence, en informatique et en modélisation appliquée à l’agriculture de précision. Je travaille actuellement au développement de méthodes de traitement de l’information spatialisée adaptées aux systèmes agro-environnementaux.

Réalité virtuelle, connaissances d'un agent

Je m'intéresse à la modélisation des connaissances d'un agent au sein d'un système multi-agent. Les projets SimSecur (plateforme de Simulation pour la Sécurité Globale) et Sagece (Simulation pour l'Amélioration de la formation à la GEstion de CrisE) nécessitent la prise en compte des émotions (peur, stress, ...), de la personnalité (courage, empathie, ...) et des perceptions (vue, ouïe, ...) pour mettre à jour les connaissances d'un agent. Pour que les réactions des agents virtuels autonomes soient crédibles, il est nécessaire de prendre en compte les différentes composantes de l'analyse du monde par un agent afin qu'il puisse mettre à jour ces connaissances en tenant compte des différents paramètres (émotions, personnalité, perceptions). Nous proposons une extension de l'architecture BDI afin de prendre en compte les émotions, la personnalité et la physiologie des agents.
Le passage d'un état émotionnel à l'autre est progressif, par exemple, on ne passe pas de la ``joie'' à la ``tristesse'' de manière brutale. Pour cette raison, la logique floue est intéressante car elle permet facilement de représenter une gradualité entre les concepts. Les concepts manipulés pour les émotions et la personnalité sont intrinsèquement flous. L'autre intérêt majeur d'une utilisation de règles floues est leur nature explicative car elle permet de mieux comprendre le processus de raisonnement des agents, ce qui est très intéressant dans un cadre de formation. Nous intégrons donc un système de règles floues permettant de calculer les émotions en fonction des évènements de la scène.

Représentation de connaissances, systèmes de règles floues

Je m'intéresse à la représentation de connaissances par des systèmes de règles floues. J'étudie les avantages des règles implicatives dans le cadre d'une modélisation des connaissances expertes par rapport aux règles conjonctives (Mamdani).
Je travaille sur les méthodes d'inférence à partir de règles implicatives floues et d'entrées floues afin d'implémenter facilement le raisonnement implicatif dans les cas mono et multidimensionnels.
La sémantique de ces différentes règles, d'un point de vue logique et dans un objectif d'utilisation pratique est au coeur de mes préoccupations.

Synthèse d'image

Programmation

Divers