Explorer avec des indices incomplets
Le monde du Wumpus est une grille contenant de l’or, des puits et une créature. Le chasseur ne voit pas directement les cases voisines : il reçoit des indices comme un courant d’air ou une odeur. Il doit décider où aller à partir d’une représentation incomplète de ce qui l’entoure.
Dans ce projet d’école, j’ai développé le raisonnement du chasseur à partir du squelette enseignant. Le cours fournit le simulateur, l’interface graphique et le raccordement HTTP/JSON. Mon apport concerne les règles qui transforment les perceptions en croyances, puis en décisions.
Corriger ce que l’agent croit savoir
J’ai séparé la correction des croyances de l’anticipation de l’action suivante. Avant de décider, l’agent rapproche les perceptions reçues de l’état qu’il avait prévu. Un choc contre un mur permet par exemple de corriger sa position estimée et les informations sur les cases visitées.
Après le choix d’une action, il anticipe le nouvel état qui servira au tour suivant. Cette distinction évite de traiter une conséquence supposée comme une observation déjà confirmée. Le contexte circule en arguments entre les règles, conformément au cadre déclaratif demandé par le sujet.
Comparer les actions et changer d’objectif
Le module de décision attribue un score heuristique aux actions possibles. Il combine notamment le danger estimé, l’intérêt d’explorer, la distance à l’objectif et les revisites, puis classe les choix. Ces critères rendent la décision explicable à partir de l’état courant de l’agent.
Les préférences évoluent avec la tâche : tant que l’or n’est pas acquis, l’agent le recherche ; ensuite, il privilégie le retour vers la sortie. Cette bascule donne une continuité à l’exploration plutôt qu’une succession d’actions sans objectif commun.
Exprimer les règles en Prolog
Le sujet impose des prédicats réifiés : un test produit une valeur de vérité que d’autres règles peuvent manipuler. J’ai appliqué ce cadre aux modules de croyances et de décision, en utilisant les constructions fournies par la bibliothèque reif.
L’interface conserve les états entre les requêtes et permet d’observer les effets des actions dans le simulateur. Le résultat du projet est cette boucle de raisonnement examinable : perception, correction, comparaison, action et nouvelle anticipation. Elle constitue une application concrète de l’IA symbolique à une décision avec informations partielles.