A multi-agents architecture for an emotion driven learning
Une architecture Multi-agents pour un apprentissage autonome guidé par les émotions
Résumé
In this thesis,we present a multi-agent architecture giving a robot the ability to learn in an unsupervised way. An autonomous learning is achieved by using emotions which represent basic needs for the learning entity. The learning process we propose is inspired by the organization in cortical colums and areas of a libing being brain. The organizational multi-agent architecture is used to describe the interaction among entities involved in the learning process.
Cette thèse se situe à la rencontre du domaine des systèmes multi-agents et de la robotique. Ce manuscrit présente la structure de contrôle d'un robot autonome et l'architecture multi-agents utilisée pour la modéliser. Cette architecture permet au robot de s'adapter, d'évoluer et d'apprendre de nouvelles tâches de manière non supervisée.
Pour obtenir une structure de contrôle qui s'adapte à la structure physique du robot, à l'environnement de celui-ci, et aux tâches à exécuter, nous nous sommes inspirés des systèmes nerveux des espèces vivantes. Ainsi,nous nous inspirons des colonnes corticales pour définir des entités apprenantes qui regroupent le fonctionnement de plusieurs neurones au sein d'une seule entité. Nous modélisons l'organisation de cette structure et les interactions entre entités apprenantes en utilisant un système multi-agents. Cela nous permet de donner à cette structure de contrôle des propriétés d'adaptation et d'évolution pour répondre aux besoins du robot et des tâches qu'il doit réaliser.
Afin de guider la construction, le fonctionnement et l'évolution de cette structure nous introduisons le concept de motivations dont le principe se rapproche de celui des émotions. Certaines motivations représentent des besoins liés au bon fonctionnement du robot (comme l'intégrité physique). D'autres motivations sont liées à des objectifs que le développeur souhaite faire atteindre au robot. Ces motivations sont utilisées dans un processus d'apprentissage par renforcement pour remplacer le superviseur qui était responsable des récompenses, et permettre ainsi d'obtenir un apprentissage autonome. Nous définissons alors les deux phases d'apprentissage qui permettent de déterminer la dynamique de la structure physique du robot puis de mémoriser les objectifs intermédiaires qui découlent de la réalisation d'une tâche complexe.
La structure de contrôle proposée est évaluée par l'implémentation sur un simulateur de robots mobiles. Nous détaillons également dans ce manuscrit la structure des robots utilisés pour ces expérimentations ainsi que les résultats d'apprentissage obtenus lors de ces simulations.
Origine : Fichiers produits par l'(les) auteur(s)