/javascript/html5.js">

 

Notre Recherche &  Développement


 

Voxelia s’appuie sur un lien fort avec le laboratoire Système & Transport de l'université de technologie de Belfort Montbéliard et le laboratoire CITAT de l’université de Tucuman en Argentine, permettant de disposer de moyens de recherche & développement importants, et garantissant de disposer des dernières innovations technologiques dans le domaine de l'ingénierie logicielle, de la simulation et la gestion d’univers virtuels.

 

 

 

Le Laboratoire Systèmes et Transports de l'Université de Technologie de Belfort Montbéliard

Sous la tutelle du Ministère de l'Éducation Nationale et de la Recherche et de l'Université de Technologie de Belfort-Montbéliard (UTBM), le SeT est un laboratoire multidisciplinaire, composé de cinq équipes :

  • Équipe Informatique (ICAP),
  • Informatique Communication Agent et Perception (ICAP),
  • Équipe Ergonomie et Conception de Systèmes (ERCOS),
  • Équipe Évaluation et Conduite de Systèmes (ECS),
  • Équipe Commande et Conversion de l’Énergie (CCE).

 

Le laboratoire a pour objectif de promouvoir des travaux de recherche sur la modélisation, la simulation et l’optimisation. Il est composé de 80 chercheurs (professeurs, maîtres de conférences, ingénieurs de recherche, post-docs et doctorants). L'équipe informatique est spécialisée dans la conception et l'application des systèmes multi-agents, et, en particulier, la simulation orientée-agent. L'approche multi-agents propose un cadre méthodologique bien adapté pour la modélisation et l'analyse des systèmes complexes. Elle considère les systèmes comme des sociétés composées d'entités autonomes et indépendantes, appelées agents, qui interagissent en vue de résoudre un problème ou de réaliser collectivement une tâche.

Elle a été utilisée de façon fructueuse dans de nombreux domaines et en particulier : la robotique, la résolution distribuée de problèmes, la modélisation et la simulation des systèmes complexes.

Nos travaux de recherche s’articulent autour de trois axes :

  • Génie logiciel orienté agent : cet axe met l’accent sur les méthodologies de développement et de déploiement de systèmes multi-agents,
  • Architecture d’agents et de systèmes multi-agents : il s’agit de développer des architectures spécifiques d’agents (la structure interne) et de groupes d’agents en interaction (la structure du système),
  • Modélisation et simulation : en liaison avec nos travaux sur les univers 3D, cet axe vise à développer une approche de modélisation et de simulation de systèmes complexes. L’environnement de simulation peut intégrer une représentation 3D. Dans ce cadre, le laboratoire dispose d’une plateforme de réalité virtuelle composée d’un écran stéréoscopique de 1m90/2m50, d’un système de capture de mouvements et d’un ensemble de calculateurs graphiques.

 

alt

Plateforme de Simulation
L'équipe ICAP du laboratoire SeT dispose d'une expertise dans le domaine de la simulation multi-agent. Elle possède d'ailleurs sa propre plate-forme de déploiement et de simulation de systèmes multi-agents : la plateforme Janus [Gaud et al., 2008]. Le projet Janus correspond à un effort global pour fournir une méthodologie complète concernant la conception et le développement d'applications utilisant des systèmes multi-agents. Janus est une plateforme logicielle permettant d'exécuter, afficher, développer et analyser des agents, et leurs organisations. Janus est une plateforme multi-agents modulaire et extensible écrite en Java (1.5). Cette plate-forme dispose d'un environnement dédié à la simulation d'entités évoluant en environnement virtuel.

http://www.janus-project.org/Home

Centro de Investigación de Tecnologías Avanzadas de Tucumán (CITAT)

CITAT was founded on 2008 in order to promote and apply recent research works on advanced technologies to different of domains. Our main application areas cover collaborative work, decision-helping tools and distributed problem solving.

Agent Oriented Software Engineering

The MultiAgent approach offers a methodological framework well adapted to the analysis and modeling of complex systems. This approach considers systems as societies composed of autonomous and independent entities, called agents, that interact in order to solve problems or to achieve a common task. MultiAgent Systems (MAS) have been successfully applied to a great number of domains including robotics, distributed problem solving, modeling and simulation of complex systems, etc. In despite of the numerous applications, MAS exhibit a certain delay on formalization and modeling methodologies. Indeed, the design of this type of systems is often accomplished following an empiric procedure or on an ad hoc manner. The development of models and methodologies for this paradigm are of vital interest to the proper adoption by the scientists and industry.

Multi-Agent Systems formal specification and verification

Formal methods provide several benefits to Software Engineering. As systems become more complex and safety becomes a priority in system design, formal methods offer mechanisms and tools for system verification. Providing formal specifications and methods for MAS meta-models and methodologies is imperious for the adoption of this technology, especially when MAS control critical environments such as nuclear plants, aerospace systems, etc.

Optimization Genetic Algorithms

Genetic Algorithms (GAs) are a family of computational models that simulate Darwin’s principle of natural selection in order to solve complex optimization problems (NP-Hard). They operate in parallel on a population of solution candidates, using the principle of survival of the fittest to successively produce better solutions. Genetic Algorithms are well suited to solve complex optimization problems that are compicated for traditional optimization approaches. They have been succesfully applied to automated design, robotics, vehicle routing, medicine, biology, aviation, telecomunications, etc. Despite the fact that they have been in use for a long time, the efficient design of real-life application is still a challenging task that requires knowledge and experience, both in the Genetic Algorithm and on the problem. The research and development around the methodologies required to design real life applications of Genetic Algorithms is very important at the time of solving real life problems coming from different areas of Science and Technology.

Neural Networks

Artificial Neural Networks is a family of computational models inspired by the human nervous system. They use many simple processing units (neurons), that work in parallel to achieve complex behaviors. Their mainThey have been succesfully applied to a number of fields. They are best suited for problems that are difficult for traditional algorithmic approaches, where a mathematical model is not available (model free estimators). This allows its use in Pattern Recognition problems, prediction, classification, optimization and control, without the need of a mathematical model. Neural Networks have successfully been applied in proces control, weather forecast, chemistry, information analysis, medicine, biology, concrete and soil technology and materilals science and technology, etc. Application of Neural Networks to new areas or problems is a challenging task, which is the subject of active research around the world.