{"id":4595,"date":"2021-03-22T16:52:35","date_gmt":"2021-03-22T15:52:35","guid":{"rendered":"https:\/\/pages2.isir.upmc.fr\/sdoncieux\/?page_id=4595"},"modified":"2021-03-30T17:09:10","modified_gmt":"2021-03-30T15:09:10","slug":"recherche","status":"publish","type":"page","link":"https:\/\/pages.isir.upmc.fr\/sdoncieux\/recherche\/","title":{"rendered":"Recherche"},"content":{"rendered":"\n

Je m’int\u00e9resse \u00e0 des m\u00e9thodes d’adaptation permettant \u00e0 des robots de faire face \u00e0 des situations qui n’ont pas \u00e9t\u00e9 compl\u00e8tement anticip\u00e9es par leur concepteur. Des m\u00e9thodes de type apprentissage par renforcement ont pour but de d\u00e9couvrir comment r\u00e9soudre un probl\u00e8me d\u00e9crit sous la forme d’une maximisation de la r\u00e9compense: ce qu’il faut faire est indiqu\u00e9 (maximiser la r\u00e9compense), mais pas la fa\u00e7on de le faire. Les algorithmes d’apprentissage doivent le d\u00e9couvrir en explorant les comportements possibles.<\/p>\n\n\n\n

Les actions possibles d’un robot sont infinies de m\u00eame que les \u00e9tats dans lesquels il peut \u00eatre, il n’est donc pas possible d’explorer toutes les possibilit\u00e9s. De plus, beaucoup d’interactions sont rares et donc difficiles \u00e0 d\u00e9couvrir par exploration. Saisir un objet avec un bras robotique, par exemple, n\u00e9cessite de bouger le bras pour toucher l’objet d’une fa\u00e7on particuli\u00e8re et de nombreux mouvements ne toucheront m\u00eame pas l’objet. Le robot ne dispose \u00e9galement que de ses capteurs pour d\u00e9terminer l’information lui permettant de d\u00e9cider quoi faire, mais ces perceptions peuvent \u00eatre bruit\u00e9es et incompl\u00e8tes (en cas d’occlusions, par exemple). Elles sont de plus souvent de grande dimension, comme dans le cas d’images. La robotique pose donc de nombreux d\u00e9fis aux m\u00e9thodes d’apprentissage par renforcement.<\/p>\n\n\n\n

J’aborde cette probl\u00e9matique avec une approche d\u00e9veloppementale et modulaire dans laquelle le robot est dot\u00e9 d’algorithmes permettant de construire progressivement les comp\u00e9tences dont il a besoin pour r\u00e9soudre les t\u00e2ches auxquelles il est confront\u00e9 par apprentissage et planification.<\/p>\n\n\n\n

Mots cl\u00e9s:<\/strong> robotique d\u00e9veloppementale, robotique \u00e9volutionniste, apprentissage par renforcement, apprentissage direct dans l’espace des politiques, recherche de nouveaut\u00e9, algorithmes Qualit\u00e9-Diversit\u00e9.<\/p>\n\n\n\n

Pour plus de d\u00e9tails:<\/p>\n\n\n\n