Systèmes multi-agents pour l intelligence ambiante

Systèmes multi-agents pour l intelligence ambiante Andrei Olaru Université Politehnica de Bucarest recherche coordonée par Adina Magda Florea (UPB/AIMAS) et Amal El Fallah Seghrouchni (UPMC/LIP6) 31.05.2013 0 / 39

Systèmes multi-agents pour l intelligence ambiante table des matières 0 / 39

L Intelligence Ambiante ou AmI (Ambient Intelligence) est un environnement électronique ubiquitaire qui assiste les personnes dans leurs activités quotidiennes, de manière proactive, mais en restant invisible et non-intrusif. [Ramos et al., 2008, Weiser, 1993] introduite en 2001 dans le rapport de la Commission Européenne sur l informatique en 2010. [Ducatel et al., 2001] une priorité de la recherche dans le domaine STIC dans l Union Européenne et dans le monde. peut être vue comme le future de l Internet et des ordinateurs. 1 / 39

(1) Frequemment, l AmI este décrite et caractérisée en utilisant des scénarios. Exemples : les course sont commandées automatiquement et peuvent êtres récupérées d un magasin du quartier ; [Ducatel et al., 2001] les fichiers pour une présentation sont transférés automatiquement et le système fait des suggestions ; [Ducatel et al., 2001] le système propose pro-activement un collègue d apprentissage pour l enfant de l utilisateur ; [Ducatel et al., 2001] une personne âgée tombe sur la rue les personnes appropriées sont contactées automatiquement ; [Olaru et al., 2010] transfert automatique d un [video-]appel entre différents dispositifs. [Vallée et al., 2005] 2 / 39

(2) Caractéristiques de l Intelligence Ambiante : pro-active anticipative réseau ubiquitaire réponses sans délai pas d indisponibilité échelle globale localisation de l information contactes temporaires transfert automatique des fichiers pas d incompatibilités techniques collaboration entre services 3 / 39

(3) comment les scénarios voient l AmI Mais dans le domaine il s agit en fait de : Personnes Dispositifs & Services Communication en grand volume 4 / 39

(3) Mais dans le domaine il s agit en fait de : Personnes Dispositifs & Services Communication en grand volume 4 / 39

(4) Couches de l Intelligence Ambiante : [El Fallah Seghrouchni, 2008] 5 / 39

(5) il y a des exigences importantes de l Intelligence Ambiante, qui sont au centre de nos recherches : la distribution du système ; la robustesse / la disponibilité du service ; l intelligence / l anticipation. 6 / 39

(6) concentration sur la couche applicative du système. défis à traiter : une grande quantite d information ; besoin de raisonnement, anticipation et fiabilité ; protection de la vie privée. 7 / 39

Agents pour l Intelligence Ambiante (1) Agent logiciel un logiciel qui agit de façon autonome, intelligente et pro-active. Exemples : conduire un robot ; faire des acquisitions en ligne ; contrôler un satellite / sonde dans l espace ; offrir assistance avec une tâche ;... etc. 8 / 39

Agents pour l Intelligence Ambiante (2) Les agents offrent des caractéristiques utiles pour AmI : réactivité ; proactivité ; raisonnement ; autonomie. Réponds aux événements ou aux besoins explicites de l utilisateur. 9 / 39

Agents pour l Intelligence Ambiante (2) Les agents offrent des caractéristiques utiles pour AmI : réactivité ; proactivité ; raisonnement ; autonomie. Agit sans demande explicite pour anticiper les besoins de l utilisateur. 9 / 39

Agents pour l Intelligence Ambiante (2) Les agents offrent des caractéristiques utiles pour AmI : réactivité ; proactivité ; raisonnement ; autonomie. Agit de manière intelligente pour prendre la décision correcte dans la situation. 9 / 39

Agents pour l Intelligence Ambiante (2) Les agents offrent des caractéristiques utiles pour AmI : réactivité ; proactivité ; raisonnement ; autonomie. Peut collaborer avec autres agents mais peut agir seul, n importe quel est la situation. 9 / 39

Agents pour l Intelligence Ambiante (3) Une perspective sur un système d Intelligence Ambiante : attacher un agent pour chaque dispositif ou service ; échanger d information potentiellement intéressante entre les agents ; obtenir un monde de convoyeurs d information a world of information conveyors. [Weiser, 1993] 10 / 39

Intégration des agents dans les couches d AmI : Agents pour l Intelligence Ambiante (4) 11 / 39

formation d un middleware (intergiciel) formé des agents du système, qui offre des services intelligentes, sensibles au contexte. Agents pour l Intelligence Ambiante (5) 12 / 39

Sensibilité au contexte (1) Le contexte est composée de toute l information qui peut être utilisée pour caracteriser la situation d une entité (utilisateur, dispositif, etc). [Dey, 2001] Un logiciel sensible au contexte (context-aware) adapte sont comportement au contexte. Par définition, l Intelligence Ambiante est sensible au contexte. Pour agir de manière sensible au contexte il faut : percevoir les informations de contexte ; reconnaître le contexte ; avoir plusieurs alternatives d action. 13 / 39

Sensibilité au contexte (2) Il y a plusieurs types de contexte : [Chen and Kotz, 2000, Henricksen and Indulska, 2006] spatial les coordonnes, le bâtiment, le bureau, un moyen de transport ; temporel l heure, l intervalle, la relation pressent passe futur ; informatique le réseau, les dispositifs utilisés, données d authenticatification ; social l entourage, les amis, les connaissances, l organisation ; d activité l activité présente, l agenda ; + associations entre différents éléments du contexte. 14 / 39

Exemple de scénario : Sensibilité au contexte (3) Un chercheur est dans le dernier jour avant la date limite pour une conférence importante. Comme d habitude, la rédaction de l article a été laissée pour le dernier moment, il est donc essentiel pour le chercheur de terminer l article avant minuit. Un collègue lui envoie un message concernant un lien intéressant qu il a trouvé, qui est pertinent par rapport à leur domaine de recherche. Quand même, le système AmI décide que, bien que le lien est intéressant en général, mais pas pour l article, il fera apparaître une notification pour le message que le jour suivant, sachant qu il est très fréquent que toute perturbation dans le dernier jour avant la date limite est mal reçu. 15 / 39

Systèmes orientés vers l assistance de l utilisateur bases des données, ontologies et services centralisés : et applications (1) idorm [Hagras et al., 2004] apprentissage du comportement ; EasyMeeting [Chen et al., 2004] gestion des dispositifs dans une chambre intelligente ; MyCampus [Sadeh et al., 2005] gestion des informations personnelles ; ASK-IT [Spanoudakis and Moraitis, 2006] assistance des personnes âgées ; DALICA [Costantini et al., 2008] dissémination d information sur les actifs culturels ; ALZ-MAS, Fusion [Corchado et al., 2008, Tapia et al., 2010] services de santé à distance pour les patients avec Alzheimer. 16 / 39

et applications (2) Système orientés vers la distribution du système et la gestion des informations : SpatialAgent [Satoh, 2004] agents mobiles ; LAICA project [Cabri et al., 2005] transfert et traitement des données de manière distribuée ; AmbieAgents [Lech and Wienhofen, 2005] agents pour la gestion du contexte ; CAMPUS framework [El Fallah Seghrouchni et al., 2008] architecture extensible, organisée sur plusieurs couches, pour percevoir les informations de contexte et offrir des services ambiants ; SodaPop model [Hellenschmidt, 2005] interopérabilité entre dispositifs et contrôle complètement distribué. 17 / 39

et applications (3) approches que n utilisent pas des agents : CASAS, MUSE [Crandall and Cook, 2009, Lyons et al., 2010] projets de smart home ; Archipel, ALADDIN, PERSONA [Bauchet et al., 2009, Perakis et al., 2009, Soler et al., 2010] assistance pour les personnes âgées / handicapées. 18 / 39

et applications (4) Infrastructures pour le traitement du contexte : infrastructures centralisées, orientées vers le contexte physique [Hong and Landay, 2001, Harter et al., 2002, Lech and Wienhofen, 2005, Henricksen and Indulska, 2006, Baldauf et al., 2007, Feng et al., 2004] ; représentations basées sur tuples, règles ou ontologies [Perttunen et al., 2009, Strang and Linnhoff-Popien, 2004] ; le contexte vu comme un set d associations [Henricksen and Indulska, 2006, Bettini et al., 2010]. les infrastructures sont d habitude orientés vers le gestion unidirectionnelle du contexte les informations de contexte viennent que des perceptions extérieurs. 19 / 39

Un Système Multi-Agents pour l Intelligence Ambiante (1) Question : comment intégrer la sensibilité au contexte de manière générique dans un système multi-agents pour la couche applicative d un système d intelligence ambiante? gestion des informations de contexte ; détection des situations pertinentes à l activité de l agent ; [Olaru, 2011] échange des informations potentiellement intéressantes. 20 / 39

Un Système Multi-Agents pour l Intelligence Ambiante (2) comportement des agents, vers un fonctionnement global du échange d information pertinente système avec les agents voisins topologie du système représentation et raisonnement sensibles au contexte 21 / 39

Un Système Multi-Agents pour l Intelligence Ambiante (2) comportement des agents, vers un fonctionnement global du système topologie du système voisinage des agents basée sur le contexte commun représentation et raisonnement sensibles au contexte 21 / 39

Un Système Multi-Agents pour l Intelligence Ambiante (2) comportement des agents, vers un fonctionnement global du système topologie du système représentation et raisonnement représentation flexible et dynamique, utilisant des sensibles au contexte patterns pour identifier l intérêt des agents 21 / 39

Un Système Multi-Agents pour l Intelligence Ambiante (2) comportement des agents, vers un fonctionnement global du système topologie du système représentation et raisonnement sensibles au contexte 21 / 39

Trois niveaux du modèle Modèle formel du système 22 / 39

graphe des conteneurs graphe complet ; ContainerGraph = (Containers, Connections) Modèle formel du système (2) Connections = { (C i, C j ) C i, C j Containers} localisation des agents assignment des agents aux containeurs AgentLocations Agents Containers {resides-on} relations entre agents relations de voisinage basées sur le contexte AgentGraph = (Agents, Relations) AgentRelations = {(A i, A j, Relation)}, Relation {is-in, part-of, etc.}. agents individuels : A(Name, CG A, Patterns, R, I, Goallist) Agents 23 / 39

du système (1) Relations de voisinage entre les agents qui favorise l échange d information potentiellement intéressante information qui est pertinente par rapport au contexte des deux agents les agents voisins partage certains éléments de contexte ; Les agents sont voisins s ils partagent le contexte. 24 / 39

Exemple : du système (2) 25 / 39

du système (3) Traitement de plusieurs types de contexte : spatial relation is-in informatique relations controlled-by, executes-on social relations in, connected-to d activité relation part-of 26 / 39

des agents (1) Comportement local : envoyer des morceaux d information intéressants aux agents voisins qui sont potentiellement intéressés. Dans un système AmI distribué, comment déterminer les agents intéressés et comment leur livrer l information intéressante? comportement adaptable aux capacités du dispositif sensibilité au contexte fiabilité 27 / 39

des agents (2) intégration les informations reçus qui sont pertinents par rapport à l activité de l agent ; détection des situations qui demandent action de la part de l agent ou notifications de l utilisateur ; partage de l information intéressante avec les agents voisins potentiellement intéresses (conformément a la topologie). 28 / 39

Exigences pour la représentation du contexte : ouverte échangeable flexible distribuée générique Représentation du Contexte (1) utilisation des graphes pour représenter l information ; utilisation des patterns pour représenter les intérêts de l agent ; si un pattern de contexte match une information l information est intéressante pour l agent. 29 / 39

Graphe de contexte = réseau des concepts Exemple : Emily is-in Entry hall Représentation du Contexte (2) 30 / 39

Pattern de contexte graph avec des éléments génériques nœuds inconnus (génériques) arrêts étiquetées avec des expressions réguliers Exemple : Emily( is-in Entry hall)( is-on Wallet) is-on? is-a Shopping bag la situation ou Emily est dans le hall pour partir et a sur elle sont portefeuille et son sac pour faire les courses. Représentation du Contexte (3) 31 / 39

le matching des graphes problème NP-complet on peut utiliser les algorithmes de graph matching pour le traitement des images besoin d adaptation. Représentation du Contexte (4) 32 / 39

33 / 39

Exigences : plateforme multi-agents pour les applications d Intelligence Ambiante ; exécution sur plusieurs systèmes d opération ; visualisation et exécution des scénarios. Une nouvelle plateforme (1) 34 / 39

Une nouvelle plateforme (2) 35 / 39

Une nouvelle plateforme (3) Exécution de code S-CLAIM langage AOP avec une syntaxe et une sémantique très simples : CourseAgent.adf2 agent definition file 1. (agent Course?courseName?parent 2. (behavior 3.... 4. (reactive registeruser 5. (receive assistsuser?agentname?username) 6. (addk (struct knowledge useragent?username?agentname)) 7. ) 8.... 9. ) 10. ) 36 / 39

Simulation répétable basée sur des fichiers XML, qui décrit le déploiement des agents et les événements dans la simulation. Une nouvelle plateforme (4) scenario.xml 1. <scen :timeline> 2. <scen :event time= 2000 > 3. <scen :CLAIMMessage> 4. <scen :to>schedulerupmcagent</scen :to> 5. <scen :protocol>newschedule</scen :protocol> 6. <scen :content>( struct message newschedule ( struct knowledge scheduledto CSCourse Room04 ) )</scen :content> 7. </scen :CLAIMMessage> </scen :event> 8. </scen :timeline> 37 / 39

Support pour les dispositifs mobiles ; Support pour l interopérabilité avec les services web. Une nouvelle plateforme (5) 38 / 39

les agents sont une solution adéquate pour l implémentation des systèmes d intelligence ambiante ; il faut voir les agents comme un middleware pour la gestion de l information, y compris l information de contexte ; on peut gérer le contexte dans une manière indépendant du domaine si la représentation et la méthode de reconnaissance le permettent ; intégrer la sensibilité au contexte dans un système multi-agents pour l AmI est possible dans plusieurs manières. 39 / 39

Merci! Questions? 39 / 39

Baldauf, M., Dustdar, S., and Rosenberg, F. (2007). A survey on context-aware systems. International Journal of Ad Hoc and Ubiquitous Computing, 2(4) :263 277. Bauchet, J., Pigot, H., Giroux, S., Lussier-Desrochers, D., Lachapelle, Y., and Mokhtari, M. (2009). Designing judicious interactions for cognitive assistance : the acts of assistance approach. Proceeding of the eleventh international ACM SIGACCESS conference on s and accessibility, pages 11 18. Bettini, C., Brdiczka, O., Henricksen, K., Indulska, J., Nicklas, D., Ranganathan, A., and Riboni, D. (2010). A survey of context modelling and reasoning techniques. Pervasive and Mobile Computing, 6(2) :161 180. Cabri, G., Ferrari, L., Leonardi, L., and Zambonelli, F. (2005). The LAICA project : Supporting ambient intelligence via agents and ad-hoc middleware. Proceedings of WETICE 2005, 14th IEEE International Workshops on Enabling Technologies, 13-15 June 2005, Linköping, Sweden, pages 39 46. Chen, G. and Kotz, D. (2000). A survey of context-aware mobile computing research. Technical Report TR2000-381, Dartmouth College. Chen, H., Finin, T. W., Joshi, A., Kagal, L., Perich, F., and Chakraborty, D. (2004). Intelligent agents meet the semantic web in smart spaces. IEEE Internet Computing, 8(6) :69 79. Corchado, J., Bajo, J., de Paz, Y., and Tapia, D. (2008). Intelligent environment for monitoring alzheimer patients, agent technology for health care. Decision Support Systems, 44(2) :382 396. Costantini, S., Mostarda, L., Tocchio, A., and Tsintza, P. (2008). DALICA : Agent-based ambient intelligence for cultural-heritage scenarios. IEEE Intelligent Systems, 23(2) :34 41. 35 / 39

Crandall, A. and Cook, D. (2009). Coping with multiple residents in a smart environment. Journal of Ambient Intelligence and Smart Environments, 1(4) :323 334. Dey, A. (2001). Understanding and using context. Personal and ubiquitous computing, 5(1) :4 7. Ducatel, K., Bogdanowicz, M., Scapolo, F., Leijten, J., and Burgelman, J. (2001). Scenarios for ambient intelligence in 2010. Technical report, Office for Official Publications of the European Communities. El Fallah Seghrouchni, A. (2008). Intelligence ambiante, les defis scientifiques. presentation, Colloque Intelligence Ambiante, Forum Atena. El Fallah Seghrouchni, A., Breitman, K., Sabouret, N., Endler, M., Charif, Y., and Briot, J. (2008). Ambient intelligence applications : Introducing the Campus framework. 13th IEEE International Conference on Engineering of Complex Systems (ICECCS 2008), pages 165 174. Feng, L., Apers, P. M. G., and Jonker, W. (2004). Towards context-aware data management for ambient intelligence. In Galindo, F., Takizawa, M., and Traunmüller, R., editors, Proceedings of DEXA 2004, 15th International Conference on Database and Expert Systems Applications, Zaragoza, Spain, August 30 - September 3, volume 3180 of Lecture Notes in, pages 422 431. Springer. Hagras, H., Callaghan, V., Colley, M., Clarke, G., Pounds-Cornish, A., and Duman, H. (2004). Creating an ambient-intelligence environment using embedded agents. IEEE Intelligent Systems, pages 12 20. Harter, A., Hopper, A., Steggles, P., Ward, A., and Webster, P. (2002). The anatomy of a context-aware application. Wireless Networks, 8(2) :187 197. 36 / 39

Hellenschmidt, M. (2005). Distributed implementation of a self-organizing appliance middleware. In Davies, N., Kirste, T., and Schumann, H., editors, Mobile Computing and Ambient Intelligence, volume 05181 of Dagstuhl Seminar Proceedings, pages 201 206. ACM, IBFI, Schloss Dagstuhl, Germany. Henricksen, K. and Indulska, J. (2006). Developing context-aware pervasive computing applications : Models and approach. Pervasive and Mobile Computing, 2(1) :37 64. Hong, J. and Landay, J. (2001). An infrastructure approach to context-aware computing. Human- Interaction, 16(2) :287 303. Lech, T. C. and Wienhofen, L. W. M. (2005). AmbieAgents : a scalable infrastructure for mobile and context-aware information services. Proceedings of the 4th International Joint Conference on Autonomous Agents and Multiagent Systems (AAMAS 2005), July 25-29, 2005, Utrecht, The Netherlands, pages 625 631. Lyons, P., Cong, A., Steinhauer, H., Marsland, S., Dietrich, J., and Guesgen, H. (2010). Exploring the responsibilities of single-inhabitant smart homes with use cases. Journal of Ambient Intelligence and Smart Environments, 2(3) :211 232. Olaru, A. (2011). A Context-Aware Multi-Agent System for AmI Environments. Ph.d. thesis, University Politehnica of Bucharest, Romania, University Pierre et Marie Curie (Paris 6), France. Olaru, A., El Fallah Seghrouchni, A., and Florea, A. M. (2010). Ambient intelligence : From scenario analysis towards a bottom-up design. In Essaaidi, M., Malgeri, M., and Badica, C., editors, Intelligent Distributed Computing IV, Proceedings of the 4th International Symposium on Intelligent Distributed Computing - IDC 2010, Tangier, Morocco, September 16-18 2010, volume 315 of Studies in Computational Intelligence, pages 165 170. Springer Berlin / Heidelberg. 37 / 39

Perakis, K., Haritou, M., and Koutsouris, D. (2009). ALADDIN, a technology platform for the Assisted living of Dementia elderly INdividuals and their carers. Distributed Computing, Artificial Intelligence, Bioinformatics, Soft Computing, and Ambient Assisted Living, pages 878 881. Perttunen, M., Riekki, J., and Lassila, O. (2009). Context representation and reasoning in pervasive computing : a review. International Journal of Multimedia and Ubiquitous Engineering, 4(4) :1 28. Ramos, C., Augusto, J. C., and Shapiro, D. (2008). Ambient intelligence - the next step for artificial intelligence. IEEE Intelligent Systems, 23(2) :15 18. Sadeh, N. M., Gandon, F. L., and Kwon, O. B. (2005). Ambient intelligence : The MyCampus experience. Technical Report CMU-ISRI-05-123, School of, Carnagie Mellon University. Satoh, I. (2004). Mobile agents for ambient intelligence. In Proceedings of Massively Multi-Agent Systems I, First International Workshop, MMAS 2004, Kyoto, Japan, December 10-11, 2004, Revised Selected and Invited Papers, volume 3446 of Lecture Notes in, pages 187 201. Springer. Soler, V., Peñalver, A., Zuffanelli, S., Roig, J., and Aguiló, J. (2010). Domotic hardware infrastructure in PERSONA project. In Ambient Intelligence and Future Trends-International Symposium on Ambient Intelligence (ISAmI 2010), pages 149 155. Springer. Spanoudakis, N. and Moraitis, P. (2006). Agent based architecture in an ambient intelligence context. Proceedings of the 4th European Workshop on Multi-Agent Systems (EUMAS 06), Lisbon, Portugal, pages 1 12. Strang, T. and Linnhoff-Popien, C. (2004). A context modeling survey. Workshop on Advanced Context Modelling, Reasoning and Management as part of UbiComp, pages 1 8. 38 / 39

Tapia, D., Abraham, A., Corchado, J., and Alonso, R. (2010). Agents and ambient intelligence : case studies. Journal of Ambient Intelligence and Humanized Computing, 1(2) :85 93. Vallée, M., Ramparany, F., and Vercouter, L. (2005). A multi-agent system for dynamic service composition in ambient intelligence environments. Advances in Pervasive Computing, Adjunct Proceedings of the Third International Conference on Pervasive Computing (Pervasive 2005), pages 1 8. Weiser, M. (1993). Some computer science issues in ubiquitous computing. Communications - ACM, pages 74 87. 39 / 39

Merci! Questions? 39 / 39