| Titre : | Apprentissage et Adaptation pour des Ensembles de Robots Réactifs Coopérants | | Type de document : | texte imprimé | | Auteurs : | P. LUCIDARME, Auteur | | Année de publication : | 2003 | | Langues : | Français (fre) | | Tags : | SYSTEMES MULTI-ROBOTS APPRENTISSAGE RESEAU DE NEURONES ARTIFICIELS ALGORITHMES EVOLUTIONNISTES CIRCUIT SIMULE SYSTEMES MULTI-ROBOTS APPRENTISSAGE RESEAUX DE NEURONES ARTIFICIELLES ALGORITHMES EVOLUTIONNISTES APPRENTISSAGE PAR RENFORCEMENT RECUIT SIMULE MANIPULATEUR MOBILE MINIATURE LEARNING AND ADAPTATION FOR GROUPS OF REACTIV AND COOPERANT ROBOTS MULTI-ROBOT SYSTEMS LEARNING ARTIFICIAL NEURAL NETWORKS EVOLUTIONIST ALGORITHMS REINFORCEMENT LEARNING SIMULATED ANNEALING MINIATURE MOBILE MANIPULATOR GENIE INFORMATIQUE, AUTOMATIQUE ET TRAITEMENT DU SIGNAL | | Index. décimale : | THE Thèses de doctorat | | Résumé : | Ces travaux de thèse se placent dans le contexte des systèmes multi-agents distribués. L'objectif est l'étude de méthodes d'auto-apprentissage appliquées à des ensembles de robots réactifs. Ces travaux se focalisent sur l'apprentissage de comportements sensori-moteurs de bas niveaux. Il nous semble important que les méthodes proposées puissent être appliquées sur des systèmes réels, dont les contraintes sont parfois loin de celles de la simulation. C'est pour cette raison que nous avons imaginé et conçu une plate-forme expérimentale composée de 4 robots mobiles, un manipulateur mobile miniature et un système de vision stéréoscopique. Cette étude se décompose en deux parties. La première, appliquée aux systèmes homogènes, présente l'étude de méthodes évolutionnistes appliquées aux systèmes multi-robots. La seconde, appliquée aux systèmes hétérogènes, s'intéresse à la possibilité d'utiliser la technique du recuit simulé pour optimiser les poids d'un contrôleur neuronal. Toujours dans ce contexte d'hétérogénéité, une seconde méthode basée sur l'apprentissage par renforcement est expérimentée.
The aim of this work is to build fault tolerant cooperative multi-robots systems. Our approach uses self-learning techniques to control groups of reactive robots. This work focuses on learning low level sensori-motor behaviors. It seems important that the proposed methods may be implemented on real robots. The constraint of such real systems is sometime far from simulated worlds. This is why we imagined, designed and build an experimental platform composed of four mobile robots, one miniature mobile manipulator and a stereoscopic vision system. This study is composed of two parts. The first one is applied to homogeneous systems. Evolutionist techniques are studied. The second one, applied to heterogeneous systems, focuses on using simulated annealing procedure to optimize the synaptic weight of a neuro-controller. Another method is also experimented, based on reinforcement learning. | | Directeur(s) de thèse : | ZAPATA R.;LIEGOIS A. | | Président du jury : | FERBER J. | | Rapporteur(s) : | ALAMI R.;DUHAUT D. | | Examinateur(s) : | VERCHER J.L. | | Date de soutenance : | 07/11/2003 |
Apprentissage et Adaptation pour des Ensembles de Robots Réactifs Coopérants [texte imprimé] / P. LUCIDARME, Auteur . - 2003. Langues : Français ( fre) | Tags : | SYSTEMES MULTI-ROBOTS APPRENTISSAGE RESEAU DE NEURONES ARTIFICIELS ALGORITHMES EVOLUTIONNISTES CIRCUIT SIMULE SYSTEMES MULTI-ROBOTS APPRENTISSAGE RESEAUX DE NEURONES ARTIFICIELLES ALGORITHMES EVOLUTIONNISTES APPRENTISSAGE PAR RENFORCEMENT RECUIT SIMULE MANIPULATEUR MOBILE MINIATURE LEARNING AND ADAPTATION FOR GROUPS OF REACTIV AND COOPERANT ROBOTS MULTI-ROBOT SYSTEMS LEARNING ARTIFICIAL NEURAL NETWORKS EVOLUTIONIST ALGORITHMS REINFORCEMENT LEARNING SIMULATED ANNEALING MINIATURE MOBILE MANIPULATOR GENIE INFORMATIQUE, AUTOMATIQUE ET TRAITEMENT DU SIGNAL | | Index. décimale : | THE Thèses de doctorat | | Résumé : | Ces travaux de thèse se placent dans le contexte des systèmes multi-agents distribués. L'objectif est l'étude de méthodes d'auto-apprentissage appliquées à des ensembles de robots réactifs. Ces travaux se focalisent sur l'apprentissage de comportements sensori-moteurs de bas niveaux. Il nous semble important que les méthodes proposées puissent être appliquées sur des systèmes réels, dont les contraintes sont parfois loin de celles de la simulation. C'est pour cette raison que nous avons imaginé et conçu une plate-forme expérimentale composée de 4 robots mobiles, un manipulateur mobile miniature et un système de vision stéréoscopique. Cette étude se décompose en deux parties. La première, appliquée aux systèmes homogènes, présente l'étude de méthodes évolutionnistes appliquées aux systèmes multi-robots. La seconde, appliquée aux systèmes hétérogènes, s'intéresse à la possibilité d'utiliser la technique du recuit simulé pour optimiser les poids d'un contrôleur neuronal. Toujours dans ce contexte d'hétérogénéité, une seconde méthode basée sur l'apprentissage par renforcement est expérimentée.
The aim of this work is to build fault tolerant cooperative multi-robots systems. Our approach uses self-learning techniques to control groups of reactive robots. This work focuses on learning low level sensori-motor behaviors. It seems important that the proposed methods may be implemented on real robots. The constraint of such real systems is sometime far from simulated worlds. This is why we imagined, designed and build an experimental platform composed of four mobile robots, one miniature mobile manipulator and a stereoscopic vision system. This study is composed of two parts. The first one is applied to homogeneous systems. Evolutionist techniques are studied. The second one, applied to heterogeneous systems, focuses on using simulated annealing procedure to optimize the synaptic weight of a neuro-controller. Another method is also experimented, based on reinforcement learning. | | Directeur(s) de thèse : | ZAPATA R.;LIEGOIS A. | | Président du jury : | FERBER J. | | Rapporteur(s) : | ALAMI R.;DUHAUT D. | | Examinateur(s) : | VERCHER J.L. | | Date de soutenance : | 07/11/2003 |
|
Affiner la recherche Interroger des sources externesApprentissage et Adaptation pour des Ensembles de Robots Réactifs Coopérants / P. LUCIDARME
