Apprentissage Par Renforcement En Utilisant Les Reseaux De Neurones Artificiels: Simulation De La Navigation D’un Robot Mobile

Résumé: L'apprentissage est un processus visant à améliorer les performances d'un système en se basant sur ses expériences passées. Cette méthode intervient lorsque le problème paraît trop compliqué à résoudre en temps réel, ou lorsqu'il paraît impossible de résoudre le problème de manière classique et rigoureuse. Comme exemple de méthodes d’apprentissage on cite l’apprentissage par renforcement. Cette méthode d’apprentissage est souvent utilisée dans le domaine de la robotique. Elle vise à déterminer une loi de commande pour un robot mobile dans un environnement inconnu. Ce genre de technique s'applique lorsqu'on suppose que la seule information sur la qualité des actions effectuées par le robot mobile, est un signal scalaire qui présente une récompense ou une punition, la procédure d'apprentissage vise à améliorer le choix des actions afin de maximiser les récompenses. L’un des plus algorithmes utilisés pour la résolution de ce problème d’apprentissage est l’algorithme Q-Learning qui est basé sur la Q-Fonction, et pour assurer la génération de cette dernière fonction et le bon fonctionnement du système d’apprentissage on utilise un réseaux de neurones artificiels car les états des environnements où évolue un robot mobile ont des grands espaces, l’action effectuée par le robot mobile dans son environnement est assurée par l’utilisation d’une fonction de sélection, cette action est évaluée par un signal scalaire qui vaut -1, 0 et 1.

Publié dans la revue: