Apprentissage par Systèmes Multi-Agents Adaptatifs par feedbacks endogènes : prospectives et applications - Archive ouverte HAL Access content directly
Reports (Research Report) Year : 2017

Apprentissage par Systèmes Multi-Agents Adaptatifs par feedbacks endogènes : prospectives et applications

Bruno Dato
  • Function : Author
  • PersonId : 748266
  • IdHAL : bdato

Abstract

Cette étude a pour objectif d'enrichir l'apprentissage par démonstrations et concevoir des méthodes d'auto-apprentissage en exploitant les actions et perceptions d'un système pour générer des feedbacks internes. Le verrou scientifique de cette étude est la génération de feedbacks endogènes lors d'un apprentissage. Nous explorerons notamment l'apprentissage d'un modèle de contrôle sans \textita priori. C'est-à-dire un modèle de contrôle construit à l'aide des actions et perceptions d'un système sans faire d'hypothèses sur la nature de celles-ci. Ce modèle lui permet d'évoluer dans la représentation qu'il a de son environnement, autrement dit, de ses perceptions. Pour aborder cette problématique, nous avons choisi de nous placer dans le cadre de l'apprentissage d'une tâche robotique.
No file

Dates and versions

hal-03131896 , version 1 (04-02-2021)

Identifiers

  • HAL Id : hal-03131896 , version 1

Cite

Bruno Dato. Apprentissage par Systèmes Multi-Agents Adaptatifs par feedbacks endogènes : prospectives et applications. [Rapport de recherche] IRIT. 2017. ⟨hal-03131896⟩
48 View
0 Download

Share

Gmail Mastodon Facebook X LinkedIn More