Skip to Main content Skip to Navigation
Reports

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

Bruno Dato 1 
1 IRIT-SMAC - Systèmes Multi-Agents Coopératifs
IRIT - Institut de recherche en informatique de Toulouse
Résumé : 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.
Document type :
Reports
Complete list of metadata

https://hal.archives-ouvertes.fr/hal-03131896
Contributor : Françoise Grélaud Connect in order to contact the contributor
Submitted on : Thursday, February 4, 2021 - 4:53:20 PM
Last modification on : Monday, July 4, 2022 - 9:44:49 AM

Identifiers

  • HAL Id : hal-03131896, version 1

Citation

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

Share

Metrics

Record views

20