A Curious Robot Learner for Interactive Goal-Babbling : Strategically Choosing What, How, When and from Whom to Learn.

Sao Mai Nguyen 1
1 Flowers - Flowing Epigenetic Robots and Systems
Inria Bordeaux - Sud-Ouest, ENSTA ParisTech U2IS - Unité d'Informatique et d'Ingénierie des Systèmes
Résumé : Les défis pour voir des robots opérant dans l'environnement de tous les jours des humains et sur une longue durée soulignent l'importance de leur adaptation aux changements qui peuvent être imprévisibles au moment de leur construction. C'est pourquoi, les robots doivent être capables d'apprendre continuellement dans des espaces infinis, non-stationnaires et de grande dimension. Il leur est impossible d'explorer tout son environnement pour apprendre pendant la durée limitée de sa vie. Pour être utile et acquérir des compétences, le robot doit au contraire être capable de savoir quelles parties échantillonner, et quels types de compétences il a intérêt à acquérir. Une manière de collecter des données est de décider par soi-même où explorer. Une autre manière est de se référer à un mentor. Nous appelons ces deux manières de collecter des données des modes d'échantillonnage. Le premier mode d'échantillonnage correspond à des algorithmes développés dans la littérature pour automatiquement pousser l'agent vers des parties intéressantes de l'environnement ou vers des types de compétences utiles. De tels algorithmes sont appelés des algorithmes de curiosité artificielle ou motivation intrinsèque. Le deuxième mode d'échantillonnage correspond au guidage social ou l'imitation, où un partenaire humain indique où explorer et où ne pas explorer. D'une étude des liens entre ces deux méthodes concurrentes, nous avons finalement construit une architecture algorithmique où les deux modes s'entremêlent en un structure hiérarchique, appelée Socially Guided Intrinsic Motivation (SGIM).
Type de document :
Thèse
Machine Learning [cs.LG]. Université Sciences et Technologies - Bordeaux I, 2013. English
Liste complète des métadonnées

https://tel.archives-ouvertes.fr/tel-00936992
Contributeur : Sao Mai Nguyen <>
Soumis le : lundi 27 janvier 2014 - 16:27:30
Dernière modification le : vendredi 6 janvier 2017 - 01:22:39
Document(s) archivé(s) le : dimanche 27 avril 2014 - 23:15:49

Identifiants

  • HAL Id : tel-00936992, version 1

Collections

Citation

Sao Mai Nguyen. A Curious Robot Learner for Interactive Goal-Babbling : Strategically Choosing What, How, When and from Whom to Learn.. Machine Learning [cs.LG]. Université Sciences et Technologies - Bordeaux I, 2013. English. <tel-00936992>

Partager

Métriques

Consultations de
la notice

307

Téléchargements du document

243