Thèse: Méta-Apprentissage par Renforcement pour le Contrôle Adaptatif

Soutenance de thèse : Yesmina JAAFRA

Titre : Méta-Apprentissage par Renforcement pour le Contrôle Adaptatif

Équipe : CSTB
Résumé : Avec l'avènement de l'apprentissage profond, l'intelligence artificielle a franchi un pas décisif vers l'automatisation des tâches de grande dimensionnalité. L'apprentissage par renforcement a été révolutionné grâce aux nouveaux concepts de représentation profonde. Toutefois, l'extension de l'application de ce paradigme vers la sphère du monde réel a engendré des nouveaux défis de généralisation et d'optimisation face à la non-stationnarité des tâches. Dans cette thèse, nous nous intéressons à l'évolution méthodologique récente de l'apprentissage automatique vers le méta-apprentissage afin de remédier aux limites de l'apprentissage profond. L'approche proposée est construite sur la base d'une formulation Markovienne évoluant graduellement selon 2 axes d'amélioration. Au niveau de la robustesse de l'apprentissage, nous intégrons dans l'expression du gradient de la politique la fonction avantage estimée par une version généralisée de l'apprentissage par différence temporelle. Concernant la capacité de généralisation, nous implémentons un méta-optimiseur de type gradient apprenant les évaluations de l'algorithme de base à travers les tâches. Le modèle généralisable obtenu a montré une adaptation rapide aux nouveaux contextes de conduite autonome en milieu urbain.

Co-tutelle de thèse, Directeurs de thèse : Aline Deruyver, Saber Naceur

La soutenance de thèse se tiendra, en français, le vendredi 11 septembre à 16h00 dans la salle 211 du Forum de la Faculté de Médecine de Strasbourg.