modèle génératif local pour l’exploration et la chasse collaborative

L’objectif de ce projet est d’explorer l’utilisation d’un modèle génératif local et donc minimaliste pour le contrôle stratégique d’un ou plusieurs agents dans le but de réaliser différentes taches : Exploration d’un environnement inconnu et chasse d’un adversaire.

Travail a réaliser : 

1. Familiarisation avec les SMA et prise en main de l’architecture du projet Dedale [3]
2. Identification des LLM susceptibles de pouvoir respecter les contraintes techniques et opérationnelles [2,3,4,5,6]
3. Choix du ou des LLM retenus, interfaçage avec Dedale, définition des expérimentation et mise en œuvre de la boucle perception-décision-action pour les taches d’exploration et chasse.
   1. Dans le cas mono-agent
   2. Dans le cas multi-agent mono LLM
   3. Dans le cas multi-agent mono LLM mais multi-instances (une instance de LLM par agent)
   4. dans le cas multi-agent multi LLM
4. Livraison du code et de la documentation technique et fonctionnelle associée.
5. En fonction de l'avancée du travail, exploration pour une tache de collecte puis exploration au delà de l'inférence par l'intégration progressive des connaissances acquises durant la réalisation des différentes tâches.
    

[1] https://dedale.gitlab.io/
[2] https://huggingface.co/models
[3] https://arxiv.org/abs/2501.06322
[4] https://arxiv.org/html/2412.11761v2
[5] https://huggingface.co/blog/AlexDuo/llm-unity-ai-commander
[6] https://hal.science/hal-05146426/document