Essaims & Coordination Multi-Agents

Consensus Basé sur les "Gossip" (ou Épidémiques)

Cette approche est simple, robuste et bien adaptée aux réseaux mobiles. Chaque drone maintient une estimation de la valeur sur laquelle il faut s'accorder.

1. État Initial : Chaque drone commence avec sa propre valeur (ex: sa propre position).
2. Échange : Périodiquement, chaque drone envoie son estimation actuelle à un ou plusieurs de ses voisins choisis au hasard.
3. Mise à jour : Lorsqu'un drone reçoit une estimation d'un voisin, il met à jour sa propre estimation pour se rapprocher de celle du voisin (ex: en faisant la moyenne).

Répété un grand nombre de fois, ce processus garantit que les estimations de tous les drones convergent mathématiquement vers la même valeur moyenne. C'est très résistant à la perte de drones individuels.

Convergence vers le Consensus

Animation montrant des agents (nœuds) avec des valeurs initiales différentes (couleurs). En échangeant des informations avec leurs voisins, ils convergent tous progressivement vers une seule couleur (valeur) commune.

Centralisée

Un seul leader (ou station au sol) communique avec tous les drones. Simple à commander, mais crée un point de défaillance unique (single point of failure). Si le leader tombe, l'essaim est aveugle.

Décentralisée

Les drones sont organisés en sous-groupes, chacun avec un leader local. Plus robuste que l'approche centralisée, mais la coordination inter-groupes peut être complexe.

Distribuée (Mesh)

Chaque drone communique directement avec ses voisins à portée. Il n'y a pas de leader. L'information se propage à travers le réseau. C'est la topologie la plus résiliente et la plus scalable. Des protocoles comme **BATMAN-adv** créent un réseau maillé (mesh) auto-organisé.

Approches Basées sur le Marché (Enchères)

Cette méthode s'inspire de l'économie. Elle est très efficace pour l'allocation dynamique.

1. Annonce de la tâche : Une nouvelle tâche (ex: "Inspecter la zone Z") est annoncée dans le réseau par un drone "auctioneer".
2. Enchères : Chaque drone disponible calcule un "coût" pour réaliser cette tâche (ex: distance à parcourir, temps estimé, énergie nécessaire). Il soumet une enchère avec ce coût.
3. Attribution : L'auctioneer reçoit les enchères et attribue la tâche au drone ayant soumis la meilleure offre (le coût le plus bas).

Ce processus peut être répété pour ré-allouer des tâches si un drone tombe en panne ou si de nouvelles tâches plus prioritaires apparaissent.

Processus d'Enchères

Une nouvelle tâche (en rouge) est annoncée. Les drones A, B et C calculent leur coût pour l'atteindre. Le drone B, étant le plus proche, a le coût le plus faible et remporte l'enchère.

Les Règles de "Boids"

Développé par Craig Reynolds, ce modèle classique simule le comportement des nuées d'oiseaux avec trois règles simples appliquées à chaque agent en fonction de ses voisins locaux :

• Séparation : Éviter de heurter ses voisins proches.
• Alignement : Orienter sa vitesse sur la vitesse moyenne de ses voisins.
• Cohésion : Se diriger vers la position moyenne de ses voisins pour rester groupé.

Évitement de Collisions Multi-Agents

Au-delà du simple maintien de la formation, il faut garantir l'absence de collision, même lors de manœuvres agressives. Des algorithmes avancés sont nécessaires :

• Velocity Obstacles (VO) : Calcule l'ensemble des vitesses qui mèneront à une collision future avec un autre agent, et choisit une nouvelle vitesse en dehors de cet ensemble.
• ORCA (Optimal Reciprocal Collision Avoidance) : Une amélioration de VO. Chaque agent assume que l'autre fera aussi un effort pour l'éviter. Ils calculent et choisissent de manière décentralisée des nouvelles vitesses optimales qui sont garanties sans collision, permettant des manœuvres très proches et réactives.

Chaque drone calcule le cône des vitesses menant à une collision (en rouge) et choisit la nouvelle vitesse la plus proche de sa vitesse désirée dans la zone sûre (en vert).