Real-Time BDI Agents: a model and its implementation

Cet article propose une redéfinition de la boucle de contrôle des agents BDI intégrant explicitement la gestion des contraintes temporelles et des ressources pour garantir des réactions en temps réel, validée par une implémentation dans un jeu vidéo de collecte de ressources.

L'essentiel

Voici une explication simple et imagée de ce papier de recherche, conçue pour être comprise par tout le monde, même sans bagage technique.

🤖 Le Dilemme du Robot : "Je réfléchis trop, je suis en retard !"

Imaginez que vous êtes le chef d'une équipe de robots dans un jeu vidéo très rapide. Votre but est de collecter des ressources (comme des pièces d'or) et de les livrer à un entrepôt avant la fin du niveau.

Dans les systèmes d'intelligence artificielle classiques (ce qu'on appelle le modèle BDI : Croyances, Désirs, Intentions), le robot fonctionne comme un philosophe très réfléchi :

1. Il observe le monde (Croyances).
2. Il se dit "Je veux cet or" (Désirs).
3. Il planifie méticuleusement comment y aller (Intentions).

Le problème ? Dans le monde réel (ou dans un jeu vidéo rapide), le temps est compté. Si le robot passe 10 secondes à réfléchir à la meilleure route pendant que le niveau avance, il perd. De plus, si le robot a trop de tâches à faire en même temps, son cerveau "sature", il devient lent et ne répond plus aux imprévus (comme un joueur humain qui bouge un obstacle).

Les chercheurs de ce papier (de l'Université de Trente) ont dit : "Il faut que nos robots soient à la fois intelligents ET rapides, comme un coureur de fond qui sait aussi résoudre des énigmes."

---

🏗️ La Solution : Une "Tour de Contrôle" en Trois Étages

Pour régler ce problème, ils ont construit une nouvelle architecture (une structure de cerveau) pour ces agents, inspirée des systèmes qui pilotent les avions ou les voitures autonomes. Imaginez cette architecture comme un immeuble de trois étages :

🏢 1er Étage : Le Chef de Projet (La couche BDI)

C'est le cerveau logique. Il décide quoi faire.

• Son rôle : Il regarde ce qui se passe, se fixe des objectifs (ex: "Récupérer l'or") et choisit un plan.
• La nouveauté : Avant, ce chef ne regardait pas l'heure. Maintenant, il a une montre à chaque doigt. Il sait que chaque action prend du temps et qu'il a une date limite (deadline) à respecter. Il ne choisit pas juste le "meilleur" plan, mais le plan qui peut être fini à temps.

🏢 2ème Étage : Le Superviseur de Chantier (La couche Exécution & Surveillance)

C'est le contremaître qui s'assure que le plan se déroule bien.

• Son rôle : Il lance les actions et surveille tout. Si un robot tombe en panne ou si un joueur humain bouge un mur, le superviseur crie : "Stop ! Le plan ne marche plus !"
• La nouveauté : Il vérifie en temps réel si le robot a assez de "puissance de cerveau" (ressources informatiques) pour faire ce qu'il a prévu. Si le chantier est trop chargé, il prévient le Chef de Projet pour qu'il change de stratégie immédiatement.

🏢 3ème Étage : Les Ouvriers (La couche Temps Réel)

Ce sont les bras et les jambes du robot, gérés par un système d'exploitation ultra-rapide.

• Son rôle : Exécuter les mouvements physiques (avancer, tourner, ramasser).
• La nouveauté : Ils fonctionnent comme un orchestre dirigé par un chef d'orchestre impitoyable. Chaque tâche a une durée précise. Si une tâche prend trop de temps, le chef d'orchestre coupe le son pour garantir que les tâches suivantes ne soient pas retardées. C'est ce qu'on appelle le ordonnancement temps réel.

---

🎮 L'Expérience : Le Jeu "Kronity"

Pour prouver que ça marche, les chercheurs ont créé un jeu vidéo appelé Kronity (un peu comme un mélange de Tetris et de stratégie en temps réel).

L'analogie du jeu :
Imaginez que vous jouez avec des robots. Soudain, vous (le joueur humain) décidez de déplacer un robot ou de créer un obstacle.

• Avant ce système : Le robot continuait bêtement son vieux plan, se cognait, et perdait.
• Avec ce système : Dès que le robot sent le changement, il s'arrête une fraction de seconde, recalcule un nouveau plan en tenant compte du temps qu'il lui reste, et change de direction instantanément.

Ils ont même montré que si deux robots travaillent ensemble, le système sait répartir le travail pour que l'un ne bloque pas l'autre, tout en respectant la limite de temps de l'ordinateur qui les fait tourner.

💡 Pourquoi c'est important ?

Ce papier est une avancée majeure car il combine deux mondes qui ne se parlaient pas bien :

1. L'intelligence artificielle (qui réfléchit et planifie).
2. Les systèmes temps réel (qui doivent être rapides et fiables, comme dans l'aviation).

En résumé :
C'est comme si on donnait à un robot une conscience du temps. Il ne se contente plus de dire "Je vais faire ça", il dit "Je vais faire ça, ça va prendre 3 secondes, j'ai 5 secondes de marge, donc c'est bon". Si le temps se resserre, il change de plan avant même d'avoir échoué.

C'est une étape cruciale pour créer des robots autonomes capables de travailler dans des environnements chaotiques et imprévisibles (comme les usines du futur, les secours en cas de catastrophe, ou les jeux vidéo ultra-réalistes) sans jamais "planter" à cause d'un manque de temps.

Résumé technique

Voici un résumé technique détaillé de l'article « Real-Time BDI Agents: a model and its implementation », rédigé en français.

1. Problématique

Les architectures d'agents BDI (Croyances, Désirs, Intentions) sont reconnues pour leur efficacité dans la gestion de l'autonomie et de la complexité des scénarios réels. Cependant, elles présentent des limitations majeures lorsqu'elles sont appliquées à des environnements temps réel stricts :

• Absence de représentation explicite du temps : Les implémentations BDI classiques ne modélisent pas explicitement le temps dans leurs processus de décision. Elles ne peuvent pas raisonner sur les contraintes temporelles (délais, coûts de calcul) lors de la délibération, mais seulement lors de l'exécution.
• Réactivité insuffisante : En cas de surcharge computationnelle ou d'événements imprévus, les agents BDI standards peuvent subir des délais inacceptables, ce qui est critique pour des systèmes où une décision tardive peut avoir des conséquences graves (sécurité humaine, systèmes critiques).
• Manque de prévisibilité : Les architectures existantes (comme Jade, Jack, Jason) permettent une planification temporelle des tâches, mais ne garantissent pas le respect des délais (deadlines) au niveau des objectifs globaux ni ne gèrent la capacité de calcul disponible de manière proactive.

2. Méthodologie

Les auteurs proposent une nouvelle architecture BDI Temps Réel (RT-BDI) en trois couches, inspirée des algorithmes éprouvés des systèmes temps réel (comme EDF - Earliest Deadline First et CBS - Constant Bandwidth Server).

L'architecture se compose de trois niveaux hiérarchiques :

1. Couche BDI (Délibération) :

   • Gère les croyances, les désirs (objectifs) et les intentions (plans temporels).
   • Introduit des concepts de « citoyens à part entière » : capacité de calcul, délais (deadlines), contraintes d'ordonnancement, actions duratives et tâches périodiques.
   • Chaque désir possède un pré-condition, un but, un délai et une priorité.
   • Utilise un Planificateur Temporel (basé sur PDDL 2.1 et l'outil OPTIC) pour générer dynamiquement des plans si aucun plan préexistant ne satisfait les contraintes temporelles et les délais.

2. Couche Exécution et Surveillance :

   • Responsable de l'exécution et de la surveillance des plans.
   • Vérifie les préconditions et la planifiabilité temps réel (schedulability) avant de lancer l'exécution.
   • Si les contraintes de capacité de calcul ne sont pas respectées, elle notifie la couche BDI pour déclencher une nouvelle délibération ou un replanification.
   • Surveille les effets attendus et les conditions de contexte pendant l'exécution.

3. Couche Temps Réel (Exécution) :

   • Exécute les tâches de bas niveau sur un système d'exploitation temps réel (RTOS).
   • Utilise des politiques d'ordonnancement classiques (EDF, CBS) pour garantir que les tâches s'exécutent dans leurs délais, en tenant compte de la capacité de calcul disponible.

Implémentation et Simulation :
Pour valider ce modèle, les auteurs ont développé un simulateur basé sur Kronosim (un outil de simulation BDI temps réel en C++) et l'ont intégré à un moteur de jeu Unity.

• Scénario de test : Un jeu vidéo de collecte de ressources nommé « Kronity ».
• Fonctionnement : Les agents (robots) doivent collecter des ressources et les livrer à un entrepôt. L'environnement est dynamique et imprévisible (interactions des joueurs, obstacles, consommation de batterie).
• Boucle de raisonnement : Le cycle inclut la lecture des capteurs, la mise à jour des objectifs actifs, la sélection des intentions (avec vérification des délais), et la progression des tâches via l'ordonnanceur temps réel.

3. Contributions Clés

• Modèle RT-BDI Unifié : C'est le premier cadre qui intègre simultanément la délibération BDI, la planification temporelle et l'ordonnancement temps réel strict. Il permet à l'agent de prendre des décisions en tenant compte des contraintes temporelles dès la phase de délibération.
• Gestion des Délais aux Niveaux Objectifs et Tâches : Contrairement aux travaux antérieurs (comme RT-BDI d'Alzetta et al.) qui garantissent les délais au niveau des tâches mais pas des objectifs globaux, cette architecture impose des délais à tous les niveaux.
• Intégration Planification/Exécution : Utilisation d'un planificateur temporel (OPTIC) capable de générer des plans respectant les délais et les coûts de calcul, qui sont ensuite traduits en tâches pour le système temps réel.
• Validation Pratique : Première implémentation fonctionnelle démontrant la faisabilité de ces concepts dans un scénario concret (jeu vidéo), validant la réactivité et la capacité de replanification face à des événements externes.

4. Résultats et Validation

Les auteurs ont validé l'architecture à travers plusieurs scénarios paradigmatiques dans le jeu Kronity :

• Réactivité aux événements externes : Lorsqu'un joueur modifie l'environnement (ex: ajout d'un robot, déplacement d'un obstacle), l'agent détecte l'incohérence du plan courant, annule l'intention en cours et déclenche une nouvelle délibération pour générer un plan respectant les délais restants.
• Coordination Multi-Agents : Démonstration de la capacité à coordonner plusieurs robots (C1 et C2) pour optimiser la collecte de ressources, en répartissant la charge de travail et en évitant les interférences.
• Respect des contraintes de temps : Le système a prouvé sa capacité à rejeter ou replanifier des tâches lorsque la capacité de calcul cumulée dépasse la limite disponible, évitant ainsi les dépassements de délais critiques.
• Apprentissage de plans : L'agent est capable de générer de nouveaux plans pour des sous-objectifs non couverts par la bibliothèque existante et de les stocker pour une réutilisation future.

Limitations identifiées :

• Le temps de recherche du plan (planification) et le temps de la boucle BDI elle-même ne sont pas encore intégrés dans le modèle de coût de calcul de la couche temps réel (bien que les plans générés soient déjà optimisés pour les délais).
• La réactivité aux événements externes est limitée par le temps d'exécution des tâches planifiées actuelles (l'agent ne peut pas interrompre une tâche en cours immédiatement, il doit attendre sa fin ou sa vérification).

5. Signification et Impact

Ce travail représente une avancée significative dans le domaine des systèmes multi-agents autonomes :

• Pont entre IA et Systèmes Temps Réel : Il comble le fossé entre la flexibilité de la délibération BDI et la rigueur des systèmes temps réel critiques.
• Applicabilité Industrielle : En démontrant que des agents autonomes peuvent opérer dans des environnements dynamiques avec des garanties de temps de réponse, cette architecture ouvre la voie à des applications dans la robotique, l'automobile, l'aéronautique et les systèmes de contrôle critiques.
• Nouvelle Référence : L'approche propose un modèle où le temps n'est pas une contrainte postérieure, mais une variable fondamentale intégrée dès la conception de l'agent, permettant une exécution prévisible et fiable même sous charge.

En conclusion, l'article présente une architecture robuste qui transforme le modèle BDI classique en un système capable de garantir le respect des délais, rendant ainsi les agents autonomes viables pour des applications critiques où le temps est une ressource critique.