Distributed Embodied Evolutionary Adaptation of Behaviors in Swarms of Robotic Agents

Résumé : Les essaims de robots sont des systèmes composés d’un grand nombre de robots relativement simples. Du fait du grand nombre d’unités, ces systèmes ont de bonnes propriétés de robustesse et de passage à l’échelle. Néanmoins, il reste en général difficile de concevoir manuellement des contrôleurs pour les essaims de robots, à cause de la grande complexité des interactions inter-robot. Par conséquent, les approches automatisées pour l’apprentissage de comportements d’essaims de robots constituent une alternative attrayante. Dans cette thèse, nous étudions l’adaptation de comportements d’essaim de robots avec des méthodes de Embodied Evolutionary Robotics (EER) distribuée. Ainsi, nous fournissons trois contributions principales : (1) Nous étudions l’influence de la pression à la sélection dirigée vers une tâche dans un essaim d’agents robotiques qui utilisent une approche d’EER distribuée. Nous évaluons l’impact de différents opérateurs de sélection dans un algorithme d’EER distribuée pour un essaim de robots. Nos résultats montrent que le plus forte la pression à la sélection est, les meilleures performances sont atteintes lorsque les robots doivent s’adapter à des tâches particulières. (2) Nous étudions l’évolution de comportements collaboratifs pour une tâche de récolte d’objets dans un essaim d’agents robotiques qui utilisent une approche d’EER distribuée. Nous réalisons un ensemble d’expériences où un essaim de robots s’adapte à une tâche collaborative avec un algorithme d’EER distribuée. Nos résultats montrent que l’essaim s’adapte à résoudre la tâche, et nous identifions des limitations concernant le choix d’action. (3) Nous proposons et validons expérimentalement un mécanisme complètement distribué pour adapter la structure des neurocontrôleurs des robots dans un essaim qui utilise une approche d’EER distribuée, ce qui permettrait aux neurocontrôleurs d’augmenter leur expressivité. Nos expériences montrent que notre mécanisme, qui est complètement décentralisé, fournit des résultats similaires à un mécanisme qui dépend d’une information globale
Liste complète des métadonnées

Littérature citée [238 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/tel-01695773
Contributeur : Abes Star <>
Soumis le : mardi 13 février 2018 - 15:57:06
Dernière modification le : mercredi 14 février 2018 - 01:17:29
Document(s) archivé(s) le : lundi 7 mai 2018 - 16:01:47

Fichier

DDOC_T_2017_0300_FERNANDEZ_PER...
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : tel-01695773, version 2

Citation

Iñaki Fernández Pérez. Distributed Embodied Evolutionary Adaptation of Behaviors in Swarms of Robotic Agents. Artificial Intelligence [cs.AI]. Université de Lorraine, 2017. English. 〈NNT : 2017LORR0300〉. 〈tel-01695773v2〉

Partager

Métriques

Consultations de la notice

218

Téléchargements de fichiers

88