Les robots actuels peuvent accomplir des tâches complexes avec une grande précision, mais pour cela, ils doivent rester dans un environnement contrôlé. Faire face à la variabilité d’un environnement non contrôlé reste un défi. L’apprentissage machine devrait pouvoir donner aux robots les capacités d’adaptation requises, mais la robotique dispose de caractéristiques qui en font un domaine d’application particulièrement exigeant pour les méthodes d’apprentissage. Rendre les robots adaptatifs nécessite de plus de s’intéresser à des apprentissages “ouverts”.

Nous positionnerons cette notion par rapport au cadre de l’apprentissage par renforcement et nous présenterons les résultats obtenus dans l’équipe sur les questions que posent un tel apprentissage, que ce soit pour acquérir des représentations d’espaces d’état ou pour explorer dans le cas de récompenses rares. Les applications iront, selon les cas, de problèmes jouets en simulation à la saisie d’objets sur robots réels.

The presentation will be given in French and the slides will be in English.