Conception d'algorithmes d'apprentissage par renforcement efficaces pour les véhicules autonomes.

par Xinchen Han

Projet de thèse en Informatique, données, IA

Sous la direction de Hossam Afifi.

Thèses en préparation à l'Institut polytechnique de Paris , dans le cadre de École doctorale de l'Institut polytechnique de Paris , en partenariat avec SAMOVAR - Services répartis, Architectures, Modélisation, Validation, Administration des Réseaux (laboratoire) et de R3S (equipe de recherche) depuis le 01-10-2022 .

mots clés

• Edge computing
• Pervasive learning
• Machine learning
• Vehicular communication

Résumé

La thèse reprend les concepts d'apprentissage , notamment d'entrainement de manière distribuée. L'idée est d'adapter des architectures intelligentes sur les bords du réseau et de les appliquer à la conduite autonome

mots clés

• Vehicular communication
• Pervasive learning
• Edge computing
• Machine learning

Titre traduit

Designing Efficient Reinforcement Learning Algorithms for Autonomous Vehicles.

Résumé

The thesis takes up the concepts of machine learning, in particular of training in a distributed manner. The idea is to adapt intelligent architectures on the edges of the network and apply them to autonomous driving . We consider also upper level rule based decision taking and how to integrate with classical neural networks atomic decision takers.