Contrôle autonome en environnement 3D à l'aide d'apprentissage par renforcement profond
Auteur / Autrice : | Nicolas Hoffmann |
Direction : | Titus Bogdan Zaharia |
Type : | Projet de thèse |
Discipline(s) : | Informatique, données, IA |
Date : | Inscription en doctorat le 01/07/2021 |
Etablissement(s) : | Institut polytechnique de Paris |
Ecole(s) doctorale(s) : | École doctorale de l'Institut polytechnique de Paris |
Partenaire(s) de recherche : | Laboratoire : Télécom SudParis (Evry ; 2012-....) |
Equipe de recherche : ARMEDIA |
Mots clés
Résumé
Les progrès récents dans le domaine de l'Apprentissage par Renforcement ont permis de faire sauter des verrous de complexité (ex : jeu de Go) mais s'appliquent difficilement à des tâches matérielles concrètes. Ces méthodes rencontrent pourtant un besoin important de l'industrie, ici porté par l'entreprise Heracles Robotics qui innove dans le domaine du terrassement autonome. C'est dans ce cadre que la thèse proposée vise à adapter les méthodes d'apprentissage par renforcement pour répondre à ce besoin concret malgré la complexité du problème et les nombreuses contraintes liées aux données disponibles. Issue de la collaboration entre le département ARTEMIS du laboratoire SAMOVAR et l'entreprise HERACLES Robotics, cette thèse a pour finalité l'automatisation des opérations de terrassement.