Skip to Main content Skip to Navigation
Conference papers

Un Algorithme Evolutionniste pour l'Auto-Apprentissage de Groupes de Robots Mobiles Autonomes

Résumé : Cette publication présente un algorithme d’apprentissage automatique de la fonction d’exploration d’un ensemble de robots mobiles. Il est basé sur les principes des algorithmes génétiques mais fonctionne sans le superviseur qui donne habituellement une note à la performance de chaque individu et effectue un classement de la population selon ce critère. Ici, chaque individu estime sa propre performance. Une autre différence avec les algorithmes classiques est également liée à l’absence de superviseur : les opérations de croisement ne peuvent se faire que lorsque deux individus se rencontrent physiquement. Les résultats de simulations sur ordinateur montrent en particulier le temps de convergence de l’apprentissage de la population en fonction du nombre de robots. Le bon fonctionnement a été également vérifié expérimentalement en utilisant plusieurs minirobots réactifs. Les principes sont appliqués à une étude de modélisation de chaînes sensori-motrices chez l’Homme. Les premiers résultats d’une tâche de ralliement de cible sont présentés.
Document type :
Conference papers
Complete list of metadata

Cited literature [14 references]  Display  Hide  Download

https://hal-lirmm.ccsd.cnrs.fr/lirmm-00269425
Contributor : Christine Carvalho de Matos <>
Submitted on : Thursday, April 3, 2008 - 8:05:50 AM
Last modification on : Monday, March 29, 2021 - 3:33:07 PM
Long-term archiving on: : Friday, May 21, 2010 - 1:11:36 AM

File

D236.PDF
Files produced by the author(s)

Identifiers

  • HAL Id : lirmm-00269425, version 1

Citation

Philippe Lucidarme, Alain Liégeois, Jean-Louis Vercher, Reinoud J. Bootsma. Un Algorithme Evolutionniste pour l'Auto-Apprentissage de Groupes de Robots Mobiles Autonomes. Journées Neurosciences et Sciences pour l'Ingénieur, Sep 2002, La Londe des Maures, France. ⟨lirmm-00269425⟩

Share

Metrics

Record views

269

Files downloads

364