Apprentissage par Renforcement et Systèmes Distribués

Univ Europeenne - EAN : 9783639522976

Youcef Zennir

Skip to the end of the images gallery

Skip to the beginning of the images gallery

Édition papier

EAN : 9783639522976

Paru le : 1 nov. 2018

64,00 € 60,66 €

Epuisé

Pour connaître votre prix et commander, identifiez-vous

Manquant sans date

Notre engagement qualité

Livraison gratuite
en France sans minimum
de commande
Manquants maintenus
en commande
automatiquement
Un interlocuteur
unique pour toutes
vos commandes
Toutes les licences
numériques du marché
au tarif éditeur
Assistance téléphonique
personalisée sur le
numérique
Service client
Du Lundi au vendredi
de 9h à 18h

Détails

EAN13 : 9783639522976
Réf. fournisseur : 2843976
Editeur : Univ Europeenne
Date Parution : 1 nov. 2018
Disponibilite : Manque sans date
Barème de remise : NS
Nombre de pages : 180
Format : H:220 mm L:150 mm
Poids : 274gr
Interdit de retour : Retour interdit

Résumé

Résumé : Le but de ce travail est d'étudier et de proposer des techniques d'apprentissage par renforcement pour l'apprentissage de la marche d'un robot marcheur hexapode. L'hypothèse sur laquelle repose ce travail est que des marches peuvent être obtenues lorsque la commande des mouvements est distribuée au niveau de chaque patte plutôt que d'être centralisée. Une approche distribuée de l'apprentissage par renforcement de type Q-learning a été retenue dans laquelle les agents (les contrôleurs de mouvement) contribuant à une même tâche mènent leur propre apprentissage en tenant compte ou non de l'existence des autres agents. Différentes simulations et tests on été menés avec pour objectif la génération de marches périodiques stables. La marche apparaît comme un phénomène émergeant des mouvements individuels des pattes. L'influence des paramètres d'apprentissage sur les marches obtenues est étudiée. Sont aussi traités des problèmes de tolérances aux fautes et de manque d'information sur l'état du robot. Enfin il est vérifié en simulation que, avec les algorithmes développés, le robot apprend à rattraper une trajectoire prédéfinie tout en contrôlant sa posture.
Biographie : Youcef ZENNIR, Docteur en Automatique Industrielle, à l'Institut National des Sciences Appliquées (l'INSA) de Lyon, France, 2004. Actuellement, Maître des conférences (HDR) au sein du département Pétrochimie et Génie des Procédés (Université de Skikda, Algérie), avec des activités de recherches au sein du Laboratoire d'Automatique de Skikda (LAS).