Vers un monde équitable et durable

À l'ère des voitures autonomes, des robots industriels et des systèmes intelligents, le temps et les ressources informatiques sont des atouts précieux. Ces systèmes doivent réagir rapidement dans un environnement changeant et dans un contexte d'incertitude. Une étude menée au Technion présente une avancée informatique : la simplification des problèmes de planification et de prise de décision dans l'incertitude de façon à réduire la quantité de données que l'ordinateur doit analyser.

L'étude a été menée par le professeur Vadim Indelman, responsable du laboratoire de navigation et de perception autonomes (ANPL) de la faculté d'ingénierie aérospatiale, et Khen Elimelech, qui a récemment terminé son doctorat dans le cadre du programme de systèmes autonomes du Technion (TASP).

"Nous démontrons que nous pouvons réduire considérablement le temps de calcul, sans nuire à la bonne exécution de la tâche", expliquent les chercheurs. "Nous démontrons également que les efforts de calcul peuvent être réduits encore davantage si nous acceptons une certaine perte de performance - perte que notre approche peut évaluer en ligne". À l'ère des voitures et autres robots à conduite autonome, cette approche est susceptible de permettre une prise de décision en ligne autonome dans des scénarios difficiles, de réduire les temps de réponse et de réaliser des économies considérables sur le coût du matériel et des autres ressources."

Les recherches du professeur Indelman portent sur la prise de décision autonome en situation d'incertitude - un problème fondamental en IA et en robotique. Cette capacité est particulièrement essentielle pour les agents autonomes qui doivent fonctionner de manière autonome et fiable dans le temps, dans des conditions d'incertitude et dans un environnement changeant. De plus, dans de nombreux cas, l'agent n'a pas d'accès direct aux variables d'état du problème, et il fonctionne sur la base d'une distribution de probabilité ou "croyance". Cette croyance reflète la connaissance que l'agent possède de lui-même et de son environnement, sur la base de modèles probabilistes, des actions effectuées et des mesures obtenues de ses capteurs.

L'une des principales directions explorées par le groupe de recherche est la prise de décision efficace sur le plan informatique dans ces conditions, également connue sous le nom de "planification de l'espace de croyance" (BSP). La résolution de ce problème (c'est-à-dire le calcul de l'ensemble des actions (ou politiques) optimales nécessaires pour atteindre l'objectif) exige que les actions potentielles soient évaluées en fonction d'une fonction de récompense ou de coût, comme la distance à l'objectif ou une mesure d'"incertitude". Selon les chercheurs, ce défi exige de prédire comment la "croyance" évoluera à l'avenir pour différentes actions possibles, tout en prévoyant différents scénarios pour l'avenir. Par conséquent, la prise de décision dans ces conditions est coûteuse en termes de calcul, ce qui remet en question l'action autonome des agents intelligents en temps réel. De plus, dans les problèmes comportant de nombreuses variables d'état (par exemple, lorsque l'environnement change ou n'est pas connu à l'avance), le défi informatique est encore plus grand. Tous ces problèmes s'accompagnent de considérations économiques, de contraintes de temps et de temps de calcul, qui imposent une réduction des ressources informatiques nécessaires. La simplification de la prise de décision dans les problèmes d'incertitude est donc un objectif important dans ces directions de recherche.

Le groupe de recherche du professeur Indelman se réfère à tous ces aspects dans le développement d'approches de simplification, qui permettent de résoudre ces problèmes d'une manière plus efficace sur le plan informatique, par exemple, par la réduction des matrices. Il est essentiel que ces approches s'accompagnent de garanties de performance qui quantifient la dégradation des performances dans le pire des cas à la suite du processus de simplification ; ces garanties sont d'une importance capitale pour les applications critiques en matière de sécurité, telles que la conduite autonome.

Les résultats des chercheurs jettent les bases de la résolution des problèmes de prise de décision par la simplification et démontrent que ces approches sont capables de conduire à des économies considérables en termes de temps de calcul, sans perte significative en termes de résultats.

Récemment, il a été annoncé que le doctorant Khen Elimelech, qui a dirigé l'étude, recevrait le prix de la recherche exceptionnelle en doctorat, décerné par le centre israélien de recherche sur les transports intelligents (ISTRC).

L'étude a été parrainée par la Fondation scientifique israélienne.

Pour lire l'article complet dans l'International Journal of Robotics Research, cliquez ici.