⚡ electrical engineering

Irrational pursuit-evasion differential games: A cumulative prospect theory approach

Cet article propose une approche fondée sur la théorie du cumul prospectif pour modéliser les jeux différentiels de poursuite-évasion avec des perceptions irrationnelles des joueurs, établissant ainsi des conditions de capturabilité et prouvant l'existence d'équilibres de Nash qui démontrent comment ces comportements irrationnels peuvent parfois améliorer les résultats de capture par rapport aux stratégies rationnelles.

Auteurs originaux : Zili Wang, Hao Yang, Xiangxiang Wang, Bin Jiang, Long Wang

Publié 2026-03-31

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Zili Wang, Hao Yang, Xiangxiang Wang, Bin Jiang, Long Wang

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

🎮 Le Jeu de la Poursuite : Quand les Joueurs ne sont pas "Logiques"

Imaginez un jeu vidéo classique de poursuite : un chasseur (le poursuivant) essaie d'attraper un fuyard (l'évadé).

Le chasseur veut minimiser la distance et l'énergie dépensée.
Le fuyard veut maximiser la distance et économiser son énergie.

Dans les théories classiques de contrôle (les mathématiques "sages"), on suppose que les deux joueurs sont des robots parfaitement rationnels. Ils calculent chaque mouvement en fonction des probabilités exactes de ce qui va se passer. Si le vent souffle à 10 km/h, ils le savent et agissent en conséquence.

Mais dans la vraie vie, nous ne sommes pas des robots. Nous sommes des humains (ou des humains pilotant des drones), et nous avons des biais psychologiques. C'est là que cette recherche intervient.

🧠 L'Idée de Base : La "Théorie des Perspectives" Irrationnelle

Les auteurs disent : "Et si le chasseur ou le fuyard avait peur du risque ou déformait la réalité ?"

Pour expliquer cela, ils utilisent une théorie célèbre en économie appelée la Théorie des Perspectives (Cumulative Prospect Theory). Voici comment cela fonctionne dans leur jeu :

La Peur de la Perte (Aversion au risque) :
Imaginez que vous avez gagné 100 €. Si vous perdez ces 100 €, la douleur est beaucoup plus forte que le plaisir que vous avez eu à les gagner.
- Dans le jeu, si le chasseur pense qu'il va rater sa cible, il panique et tire des coups de feu "au hasard" ou change de stratégie de manière exagérée, même si mathématiquement, il aurait dû rester calme.
- Le fuyard, lui, peut sous-estimer le danger parce qu'il a peur de la perte, ou au contraire, surestimer une petite chance de survie.
La Sensibilité aux Probabilités :
Les humains ne voient pas les probabilités comme des chiffres exacts.
- On exagère les petites chances : Si le fuyard a 1 % de chance d'échapper au chasseur, son cerveau irrationnel peut penser : "Oh, c'est presque certain que je vais m'en sortir !".
- On sous-estime les grandes chances : Si le chasseur a 90 % de chance de rattraper le fuyard, le fuyard irrationnel peut penser : "Non, il y a encore 10 % de chances, c'est énorme !".

🚀 Ce que les chercheurs ont découvert

Ils ont créé un nouveau modèle mathématique (un "jeu différentiel") qui intègre ces folies humaines. Voici les résultats surprenants :

1. L'Irrationalité peut être une arme

Dans certains cas, être irrationnel aide le chasseur.

Analogie : Imaginez un boxeur qui, au lieu de calculer froidement ses coups, se met en colère (irrationnel) et frappe plus fort et plus vite que prévu. Son adversaire, qui calculait froidement, ne s'attend pas à cette violence et se fait attraper.
Parfois, la peur de perdre du chasseur le pousse à être si agressif qu'il réussit là où un calculateur froid aurait échoué.

2. L'Irrationalité peut aussi aider le fuyard

Dans d'autres cas, c'est le fuyard qui gagne grâce à sa folie.

Analogie : Un fuyard qui sous-estime le danger (pensant que le chasseur est lent alors qu'il est rapide) peut prendre des risques fous et réussir à s'échapper par un chemin que le chasseur, trop prudent, n'aurait jamais osé emprunter.

3. Des captures impossibles deviennent possibles

C'est le point le plus important : Certaines captures qui sont mathématiquement impossibles avec des joueurs rationnels deviennent possibles avec des joueurs irrationnels.

Si le chasseur est "rationnel", il peut dire : "La probabilité de rattraper ce fuyard est de 49 %, je ne vais pas gaspiller mon énergie, je renonce."
Mais si le chasseur est "irrationnel" (il exagère cette petite chance de 49 %), il va continuer à courir et finira par attraper le fuyard.

🛠️ Pourquoi est-ce utile ?

Aujourd'hui, nous vivons dans un monde où des humains et des machines travaillent ensemble (drones pilotés par des humains, voitures autonomes avec des passagers, systèmes militaires).

Si vous programmez un drone pour qu'il soit "parfaitement logique", il peut échouer face à un humain qui agit de manière imprévisible ou émotionnelle.
Cette recherche permet de créer des algorithmes qui comprennent : "Ah, mon adversaire humain a peur, il va faire une erreur de calcul. Je vais adapter ma stratégie pour en profiter."

📝 En résumé

Ce papier dit essentiellement : "Arrêtons de penser que tout le monde joue au jeu de la poursuite comme un ordinateur."

En intégrant la psychologie humaine (la peur, l'espoir, la déformation des probabilités) dans les équations mathématiques, on découvre que l'erreur humaine peut parfois être une victoire. Cela permet de mieux concevoir des systèmes de sécurité et de contrôle pour des environnements complexes où des humains et des machines interagissent.

C'est comme passer d'un échiquier parfait (où tout est calculé) à un jeu de rue où les joueurs crient, trichent un peu, et où la victoire dépend souvent de qui a le plus de "cœur" ou de "folie" dans sa stratégie.

Titre

Jeux différentiels de poursuite-évasion irrationnels : Une approche basée sur la théorie du cumul prospectif (CPT)

1. Problématique et Contexte

Les jeux différentiels de poursuite-évasion (PE) sont fondamentaux dans des domaines tels que l'interception de missiles, la poursuite de drones et la conduite autonome. Traditionnellement, ces jeux sont modélisés sous l'hypothèse de rationalité parfaite, où les joueurs (poursuiveur et évadeur) optimisent leurs stratégies en fonction des distributions de probabilité objectives de l'incertitude environnementale.

Cependant, dans les systèmes réels homme-machine (ex. : véhicules autonomes avec supervision humaine, drones pilotés), les acteurs humains ne perçoivent pas toujours les risques et les probabilités de manière objective. Ils présentent des biais cognitifs tels que :

L'aversion au risque : La sensibilité aux pertes est souvent plus forte que celle aux gains équivalents.
La sensibilité aux probabilités : Les humains ont tendance à surpondérer les faibles probabilités et sous-pondérer les fortes probabilités.

L'article adresse le manque de recherche sur l'intégration de ces comportements « irrationnels » dans le cadre des jeux différentiels de poursuite-évasion, en particulier dans un contexte bayésien où les poids de la fonction de coût sont incertains.

2. Méthodologie

Les auteurs proposent un cadre théorique unifié combinant la théorie des jeux différentiels bayésiens et la Théorie du Cumul Prospectif (CPT), une théorie comportementale récompensée par un prix Nobel.

A. Modélisation du Jeu

Dynamique du système : Le jeu implique un poursuiveur et un évadeur avec des dynamiques linéaires. L'objectif est de minimiser (poursuiveur) ou maximiser (évadeur) la distance et la consommation d'énergie.
Incertitude Bayésienne : Les matrices de pondération de l'état dans la fonction de coût sont traitées comme des variables aléatoires suivant une distribution normale, reflétant les fluctuations environnementales.
Intégration de la CPT : Au lieu d'optimiser l'espérance mathématique du coût, les joueurs optimisent une « valeur de perspective » ( $J_i$ $J_{i}$ ) dérivée de la CPT. Cette valeur intègre :
- Une fonction de valeur non linéaire pour les gains et les pertes (paramètres de sensibilité $\alpha, \beta$ ).
- Une fonction de pondération des probabilités non linéaire (paramètre de distorsion $\gamma$ ).
- Un multiplicateur de perte ( $\epsilon$ ) pour capturer l'aversion au risque.

B. Analyse Théorique

Équations de Riccati Couplées : Les auteurs dérivent des équations de Riccati algébriques couplées spécifiques à la CPT pour déterminer les contrôleurs optimaux.
Existence de l'Équilibre : L'existence d'un équilibre de Nash basé sur la CPT (CPT-Nash) est prouvée rigoureusement en utilisant le théorème du point fixe de Brouwer. Cela nécessite de démontrer que l'application de point fixe est continue et mappe un ensemble convexe compact sur lui-même.
Conditions de Capturabilité : Trois scénarios sont analysés selon les capacités de contrôle relatives du poursuiveur et de l'évadeur :
- Scénario 1 : Le poursuiveur a un effort de contrôle supérieur.
- Scénario 2 : L'évadeur a un effort de contrôle supérieur.
- Scénario 3 : Efforts de contrôle égaux.
  Des conditions suffisantes sont établies reliant les paramètres dynamiques du système aux paramètres d'irrationalité ( $\Psi_i$ ) pour garantir que la distance tend vers zéro.

3. Contributions Clés

Cadre CPT pour les Jeux PE : C'est la première étude à intégrer explicitement les perceptions irrationnelles (aversion au risque et sensibilité aux probabilités) dans les jeux différentiels de poursuite-évasion bayésiens.
Conditions de Capturabilité Irrationnelle : Établissement de conditions suffisantes rigoureuses pour la capturabilité. Les résultats montrent que l'irrationalité peut soit aider, soit nuire à la capture, selon le scénario et les paramètres spécifiques.
Existence de l'Équilibre de Nash : Preuve formelle de l'existence d'un équilibre de Nash dans ce contexte irrationnel, comblant un vide théorique entre la théorie des jeux comportementaux et le contrôle optimal.
Analyse des Paramètres : Identification de la manière dont les paramètres de sensibilité (gains/pertes) et de distorsion des probabilités influencent la dynamique du jeu. Par exemple, une plus grande aversion aux pertes chez le poursuiveur peut faciliter la capture dans certains cas.

4. Résultats Principaux

Impact de l'Irrationalité : Contrairement à l'intuition, l'irrationalité n'est pas toujours désavantageuse.
- Dans le Scénario 1 (poursuiveur plus fort), une irrationalité modérée du poursuiveur (forte aversion aux pertes) peut faciliter la capture.
- Dans le Scénario 2 (évadeur plus fort), où la capture est impossible pour des joueurs rationnels, des comportements irrationnels spécifiques (par exemple, une sous-estimation des probabilités de succès par l'évadeur) peuvent permettre au poursuiveur de réussir la capture.
Validation Numérique : Des simulations numériques confirment les résultats théoriques. Les graphiques montrent que pour certaines valeurs de paramètres irrationnels (ex. : $\alpha_1$ faible, $\beta_1$ élevé), la distance de poursuite converge vers zéro, alors qu'elle divergerait ou resterait stable dans un cadre purement rationnel.
Équilibre de Nash : Les simulations démontrent la convergence vers des contrôleurs optimaux qui satisfont les conditions d'équilibre de Nash CPT.

5. Signification et Implications

Fondation Théorique : Ce travail établit une base théorique rigoureuse pour le contrôle dans des systèmes complexes homme-machine où les opérateurs humains ne sont pas parfaitement rationnels.
Ingénierie de Contrôle : Les résultats offrent des directives pour la conception de systèmes autonomes capables de prédire et de s'adapter aux biais cognitifs des opérateurs humains ou des adversaires.
Nouvelles Stratégies : L'article révèle que des captures jugées impossibles sous des hypothèses rationnelles peuvent être réalisables en exploitant les biais irrationnels des adversaires. Cela ouvre la voie à de nouvelles stratégies de défense et d'interception dans des environnements incertains.

En résumé, cet article transforme la compréhension des jeux de poursuite-évasion en passant d'un modèle purement mathématique et rationnel à un modèle comportementalement réaliste, offrant ainsi des outils puissants pour l'ingénierie des systèmes autonomes interactifs.