Méta-apprentissage par renforcement pour le contrôle adaptatif
Langue Français
Accéder à la thèse :

Ce document est protégé en vertu du Code de la Propriété Intellectuelle.

 
Auteur : Jaafra, Yesmina
Date de soutenance : 11-09-2020

Directeur(s) de thèse : Deruyver, Aline - Naceur, Mohamed Sabeur

Président : Collet, Pierre
Rapporteur(s) : Filliat, David - Yacoub, Slim
Membre(s) du jury : Deruyver, Aline - Naceur, Mohamed Sabeur - Collet, Pierre - Filliat, David - Yacoub, Slim - Fromont, Élisa - Idoumghar, Lhassane

Établissement de soutenance : Strasbourg - Université de la Manouba (Tunisie)
Laboratoire : Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....)
École doctorale : École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....)
 
Discipline : Informatique
Classification : Informatique, Mathématiques

Mots-clés libres : Apprentissage profond, Apprentissage par renforcement, Conduite autonome, Simulateur Carla, Méta-apprentissage
Mots-clés :
  • Apprentissage profond
  • Véhicules autonomes - Conduite
  • Réseaux neuronaux (informatique)
  • Calcul adaptatif
Résumé : Avec l'avènement de l'apprentissage profond, l'intelligence artificielle a franchi un pas décisif vers l'automatisation des tâches de grande dimensionnalité. L'apprentissage par renforcement a été révolutionné grâce aux nouveaux concepts de représentation profonde. Toutefois, l'extension de l'application de ce paradigme vers la sphère du monde réel a engendré des nouveaux défis de généralisation et d'optimisation face à la non-stationnarité des tâches. Dans cette thèse, nous nous intéressons à l'évolution méthodologique récente de l'apprentissage automatique vers le méta-apprentissage afin de remédier aux limites de l'apprentissage profond. L'approche proposée est construite sur la base d'une formulation Markovienne évoluant graduellement selon 2 axes d'amélioration. Au niveau de la robustesse de l'apprentissage, nous intégrons dans l'expression du gradient de la politique la fonction avantage estimée par une version généralisée de l'apprentissage par différence temporelle. Concernant la capacité de généralisation, nous implémentons un méta-optimiseur de type gradient apprenant les évaluations de l'algorithme de base à travers les tâches. Le modèle généralisable obtenu a montré une adaptation rapide aux nouveaux contextes de conduite autonome en milieu urbain.
 
Type de contenu : Text
Format : PDF
 
Entrepôt d'origine : STAR : dépôt national des thèses électroniques françaises
Identifiant : 2020STRAD011
Type de ressource : Thèse