एआई शब्दावली
आर्टिफिशियल इंटेलिजेंस का पूर्ण शब्दकोश
Planification Multi-Agents Distribuée
Approche où plusieurs agents autonomes calculent leurs trajectoires de manière décentralisée, sans superviseur central, en se basant sur des informations locales et des communications inter-agents pour atteindre un objectif global.
Problème de Satisfaction de Contraintes Distribué (DCSP)
Formalisation mathématique où chaque agent gère un sous-ensemble de variables et de contraintes, et l'objectif est de trouver une affectation de valeurs à toutes les variables qui satisfasse l'ensemble des contraintes inter-agents.
Recherche de Consensus Distribué
Processus itératif par lequel les agents échangent des informations sur leurs états ou décisions locales pour converger vers un accord ou une solution commune, essentiel pour la synchronisation des actions.
Optimisation de Trajectoires Couplées
Technique où les trajectoires de plusieurs agents sont optimisées conjointement, en tenant compte de leurs interdépendances dynamiques, pour éviter les collisions et améliorer l'efficacité globale du système.
Fonction de Coût Potentiel Distribuée
Méthode où chaque agent définit une fonction de coût qui inclut des termes de potentiel pour modéliser l'influence des autres agents, permettant une optimisation décentralisée qui intègre les interactions.
Planification par Recul Temporel Distribué (Distributed Model Predictive Control)
Stratégie de contrôle où chaque agent résout un problème d'optimisation sur un horizon glissant, en anticipant les futures actions des autres agents et en ajustant sa propre trajectoire en conséquence.
Graphes de Dépendance Temporelle
Structures de données représentant les contraintes de précédence et de synchronisation temporelle entre les actions des différents agents, utilisées pour garantir l'exécution ordonnée et cohérente du plan.
Allocation de Tâches et de Ressources Distribuée
Mécanisme par lequel les agents négocient ou se coordonnent pour se répartir des objectifs et des ressources spatiales ou temporelles, afin de maximiser l'efficacité collective tout en minimisant les conflits.
Synchronisation basée sur les Événements
Paradigme de coordination où les agents ajustent leur progression en fonction d'événements déclencheurs (ex: atteinte d'un point de passage, détection d'un autre agent), plutôt que sur un temps global synchronisé.
Routage Multi-Agents sans Collision
Ensemble d'algorithmes garantissant que les chemins calculés pour chaque agent dans un environnement partagé sont exempts de toute intersection spatiale et temporelle pouvant mener à une collision physique.
Cartographie et Localisation Simultanées Distribuées (Distributed SLAM)
Processus où une équipe d'agents collabore pour construire une carte commune d'un environnement tout en estimant leurs propres trajectoires, en fusionnant des données sensorielles de manière décentralisée.
Formation Contrainte Multi-Agents
Problème de planification où les agents doivent maintenir une géométrie relative spécifique (une formation) tout en naviguant collectivement vers un objectif, nécessitant une coordination continue des vitesses et positions.
Logique Temporelle Distribuée
Extension des logiques temporelles (comme LTL) pour spécifier et vérifier des propriétés sur le comportement global d'un système multi-agents, où les opérateurs logiques sont évalués sur des traces d'exécution distribuées.
Négociation de Trajectoires
Processus de communication par lequel les agents proposent, contre-proposent et acceptent des modifications de leurs trajectoires initiales pour résoudre les conflits d'intersection et parvenir à un plan mutuellement acceptable.
Planification Robuste aux Incertitudes Distribuée
Approche visant à générer des trajectoires pour chaque agent qui restent valides et sécurisées malgré les imprécisions des modèles, les retards de communication ou les actions imprévisibles des autres agents.
Ordonnancement de Passage aux Points de Conflit
Mécanisme de coordination qui attribue des créneaux temporels de passage aux agents pour des zones critiques (intersections, passages étroits), afin de séquencer leur traversée et garantir un flux fluide sans blocage.
Apprentissage par Renforcement Multi-Agents pour la Planification
Utilisation d'algorithmes d'apprentissage où chaque agent apprend une politique de planification (choix de trajectoire) en interagissant avec l'environnement et les autres agents, pour maximiser une récompense collective ou individuelle.