Projets

Les systèmes multi-agents sont de plus en plus utilisés pour étudier des systèmes complexes et les simuler.

--

La logique des annonces publiques permet de modifier dynamiquement les connaissances d'agents qui énoncent, à tour de rôle, des informations concernant leurs connaissances communes. Ce formalisme est typiquement mis en œuvre lors de jeux coopératifs à information incomplète.

Sujet: Robotique collective et apprentissage en ligne
_

Sujet: Robotique en essaim: auto-assemblage avec 50 robots
_

Ce projet est en interaction homme-machine.

== Context ==

Ce projet vise à comprendre comment les utilisateurs cherchent et trouvent leurs applications sur les smartphones. La salience de certaines icons peuvent attirer l'attention des utilisateurs novices alors que la consistence spatiale / l'organisation peut faciliter la recherche visuelle des utilisateurs plus expérimentés. Il n'est pas clair comment ces deux facteurs (salience vs. recherche visuelle) s'entrelacent.

L’apprentissage par renforcement est une méthode d’apprentissage automatique qui permet à un agent d’améliorer progressivement sa performance au cours de ses interactions avec son environnement. Des méthodes d’apprentissage par renforcement profond sont apparues récemment et permettent de traiter le cas où les observations de l’agent sont dans un espace continu de très grande taille, et où les actions elles-mêmes sont continues.

Les gated autoencoders constituent une famille de réseaux de neurones profonds qui connectent trois sources d’information au travers d’une relation multiplicative. Ils ont généralement deux entrées et une sortie, mais les rôles des différentes sources sont interchangeables (les entrées peuvent devenir des sorties, et réciproquement).

Contexte :

CollectBall est un environnement simulé développé en C++ à l’ISIR qui permet d’évaluer les capacités à résoudre des problèmes de navigation et de sélection de l’action de divers algorithmes d’apprentissage artificiel. Dans ces simulations, un agent autonome doit apprendre à récolter des balles et à les déposer dans un panier en se déplaçant dans des pièces délimitées par des murs. Il peut même déclencher l’ouverture d’une porte qui lui donne accès à davantage de balles.

Ce projet est à la croisée de l'Interaction Homme-Machine (IHM) et du machine learning.

== Contexte ==