View in EDS

Etude et application des méthodes d'apprentissage pour la navigation en environnement inconnu

Saved in:
Bibliographic Details
Title: Etude et application des méthodes d'apprentissage pour la navigation en environnement inconnu
Authors: Pastor, Philippe
Contributors: Ecole Nationale Supérieure de l'Aéronautique et de l'Espace, Mampey, Roger
Publisher Information: 1995.
Publication Year: 1995
Subject Terms: Robotique mobile autonome, Programmation dynamique en temps réel, Apprentissage par renforcement, Real-time dynamic programming, Reinforcement learning, Q-learning, Map learning, Automates d'apprentissage, Apprentissage de cartes, Navigation, Learning automata, Autonomous mobile robots
Description: L’objet de cette thèse est l’étude des méthodes d'apprentissage par renforcement en vue de son application à la navigation d’un robot mobile autonome. Après une présentation des méthodes d’apprentissage développées depuis les débuts de la Cybernétique jusqu’à aujourd'hui en Intelligence Artificielle, nous présentons les fondements mathématiques de l'apprentissage par renforcement que sont la théorie des automates d’apprentissage et la Programmation Dynamique en temps réel. Les chapitres suivants sont consacrés au problème de la navigation d’un robot mobile autonome évoluant dans un environnement qui lui est inconnu. Pour répondre à ce problème, nous proposons d’utiliser différents algorithmes d’apprentissage par renforcement issus, soit des automates d'apprentissage, soit du Q-learning. Les performances de ces algorithmes sont ensuite comparées à partir d'expérimentations menées sur un système non-holonome. Enfin, le dernier chapitre propose une extension originale de ce type d’apprentissage dans le but de construire une carte représentant la topologie de l'environnement dans lequel le robot évolue. This thesis studies the application of reinforcement learning methods to the autonomous mobile robots navigation problem. After a presentation of the learning methods which have been developped from the begin- ning of cybernetics to the current state-of-the-art in artificial intelligence, we present the mathematical foundations of reinforcement learning, i.e. learning automata theory and real time dynamic programming. The following chapters are devoted to the problem of navigation for an autonomous mobile robot in an unknown environment. To solve this problem, several algorithms based on learning automata or on Q-learning are proposed. The performance of these algorithms are compared on the basis of simulation results for a robot with nonholonomic constraints. The last chapter presents an original extension of this kind of learning for the construction of a topological map of the robot’s environment.
Document Type: Other literature type
Language: French
Access URL: http://depozit.isae.fr/theses/1995/1995_Pastor_Philippe.pdf
Accession Number: edsair.artemis...fr..1a0f8df1feb048caa0967f04121981f7
Database: OpenAIRE
Description
Abstract:L’objet de cette thèse est l’étude des méthodes d'apprentissage par renforcement en vue de son application à la navigation d’un robot mobile autonome. Après une présentation des méthodes d’apprentissage développées depuis les débuts de la Cybernétique jusqu’à aujourd'hui en Intelligence Artificielle, nous présentons les fondements mathématiques de l'apprentissage par renforcement que sont la théorie des automates d’apprentissage et la Programmation Dynamique en temps réel. Les chapitres suivants sont consacrés au problème de la navigation d’un robot mobile autonome évoluant dans un environnement qui lui est inconnu. Pour répondre à ce problème, nous proposons d’utiliser différents algorithmes d’apprentissage par renforcement issus, soit des automates d'apprentissage, soit du Q-learning. Les performances de ces algorithmes sont ensuite comparées à partir d'expérimentations menées sur un système non-holonome. Enfin, le dernier chapitre propose une extension originale de ce type d’apprentissage dans le but de construire une carte représentant la topologie de l'environnement dans lequel le robot évolue. This thesis studies the application of reinforcement learning methods to the autonomous mobile robots navigation problem. After a presentation of the learning methods which have been developped from the begin- ning of cybernetics to the current state-of-the-art in artificial intelligence, we present the mathematical foundations of reinforcement learning, i.e. learning automata theory and real time dynamic programming. The following chapters are devoted to the problem of navigation for an autonomous mobile robot in an unknown environment. To solve this problem, several algorithms based on learning automata or on Q-learning are proposed. The performance of these algorithms are compared on the basis of simulation results for a robot with nonholonomic constraints. The last chapter presents an original extension of this kind of learning for the construction of a topological map of the robot’s environment.