Un modèle de simulation agent basé sur les interactions

Le domaine des jeux vidéos est un secteur économique important et, dans la mesure où il concerne de nombreux capitaux, peut être considéré comme un élément moteur pour les technologies informatiques. Après le graphisme, il semble qu'actuellement le prochain chalenge est d'introduire plus d'intelligence dans les jeux. Le concept de multi-agents constitue un outil puissant pour y parvenir. Nous présentons ici le résultat de notre collaboration avec l'éditeur de jeux vidéo Cryo Interactive qui est l'un des leaders français du domaine. L'objectif était de fournir un cadre pour la modélisation de comportements artificiels pour les jeux vidéo et pour leur évolution. Une contrainte importante était que la simulation se comporte de manière rationnelle, c'est-à-dire simule ce qui pourrait se passer dans le monde réel. Pour réaliser cela, nous avons proposé une description du monde où toute entité est un agent et chaque action qui peut être accomplie est décrite par une interaction entre deux agents, l'un qui l'effectue et l'autre qui la subit. Les interactions sont au centre de notre travail. Elles constituent une manière de représenter la connaissance sur le monde et en même temps elles contiennent la dynamique des simulations. Nous montrons dans cet article qu'elles forment un outil puissant avec peu de limites d'expressivité dans les simulations. Chaque agent animé possède un moteur de comportement qui s'appuie sur des interactions. L'agent a une mémoire, construit des plans et les modifie dynamiquement. Succinctement, la tâche principale du moteur est de faire correspondre un agent "qui peut effectuer" avec un agent "qui peut subir" une interaction. Ce principe permet de gérer des plans d'actions et d'assurer la résolution des buts des différents agents. Ce travail a abouti à la réalisation d'une application qui exploite ce modèle. Elle le valide et montre qu'un monde artificiel peut facilement être modélisé à partir de cette approche par interactions. Nous terminons en montrant que des situations complexes d'interactions entre agents sont faciles à construire avec notre modèle.