// Soutenance de thèse

Soutenance de thèse de Benjamin COGREL.

Intitulé : Sélection contextuelle de services continus pour la robotique ambiante.
Date : Lundi 18 novembre à 14h.
Lieu : Amphithéâtre R&T, Département Réseaux & Télécoms, Vitry-sur-Seine.

Jury

  • Amar Ramdane-Cherif, Professeur, Université de Versailles Saint-Quentin (rapporteur)
  • Olivier Simonin, Professeur, INSA de Lyon (rapporteur)
  • Nicole Levy, Professeur, CNAM de Paris (examinatrice)
  • Patrick Reignier, Professeur à l’ENSIMAG (examinateur)
  • Abdelghani Chibani, Maître de conférences à l’UPEC (examinateur)
  • Yacine Amirat, Professeur à l’UPEC (directeur de thèse)
  • Boubaker Daachi, Maître de conférences HDR à l’UPEC (co-directeur de thèse)

Résumé

La robotique ambiante s’intéresse à l’introduction de robots mobiles au sein d’environnements actifs où ces derniers fournissent des fonctionnalités alternatives ou complémentaires à celles embarquées par les robots mobiles. Cette thèse étudie la mise en concurrence des fonctionnalités internes et externes aux robots, qu’elle pose comme un problème de sélection de services logiciels. La sélection de services consiste à choisir un service ou une combinaison de services parmi un ensemble de candidats capables de réaliser une tâche requise. Pour cela, elle doit prédire et évaluer la performance des candidats. Ces performances reposent sur des critères non-fonctionnels comme la durée d’exécution, le coût ou le bruit.

Ce domaine applicatif a pour particularité de nécessiter une coordination étroite entre certaines de ses fonctionnalités. Cette coordination se traduit par l’échange de flots de données entre les fonctionnalités durant leurs exécutions. Les fonctionnalités productrices de ces flots sont modélisées comme des services continus. Cette nouvelle catégorie de services logiciels impose que les compositions de services soient hiérarchiques et introduit des contraintes supplémentaires pour la sélection de services.

Cette thèse met en évidence la présence d’un important couplage non-fonctionnel entre les performances des instances de services de différents niveaux, même lorsque les flots de données sont unidirectionnels. L’approche proposée se concentre sur la prédiction de la performance d’un organigramme. Un organigramme regroupe l’ensemble des ins- tances de services sollicitées pour réaliser une tâche de haut-niveau. L’étude s’appuie sur un scénario impliquant la sélection d’un service de positionnement en vue de permettre le déplacement d’un robot vers une destination requise.

Pour un organigramme considéré, la prédiction de performance doit, dans ce scénario, répondre aux exigences suivantes : elle doit (i) être contextuelle en tenant compte, par exemple, du chemin suivi pour atteindre la destination requise, (ii) prendre en charge le remplacement d’une instance de sous-service suite à un échec ou, par extension, de façon opportuniste. En conséquence, cette sélection de services est posée comme un problème de prise de décision séquentielle formalisé à l’aide de processus de décision markoviens à horizon fini. La dimensionnalité importante du contexte en comparaison à la fréquence des déplacements du robot rend inadaptées les méthodes consistant à apprendre directement une fonction de valeur ou une fonction de transition. L’approche proposée repose sur des modèles de dynamique locaux et exploite le chemin de déplacement calculé par un sous-service pour estimer en ligne les valeurs des organigrammes disponibles dans l’état courant. Cette estimation est effectuée par l’intermédiaire d’une méthode de fouille stochastique d’arbre, Upper Confidence bounds applied to Trees.