Fiche de PAOLO Giuseppe

Titre : Learning in Sparse Rewards settings through Quality Diversity algorithms
Date : 5 novembre 2021
Heure: 10:00
Résumé : Un agent embarqué apprend généralement à interagir avec son environnement par un processus d'essais et d'erreurs, formalisé dans le cadre de l'apprentissage par renforcement. Dans ce cadre, l'agent effectue une action sur l'environnement et observe son résultat par le biais d'une observation et d'un signal de récompense, indiquant à l'agent la qualité de l'action effectuée par rapport à la tâche. C'est pourquoi, pour apprendre correctement à résoudre la tâche donnée, la récompense doit être donnée après chaque action effectuée. Si ce n'est pas le cas, nous sommes dans une situation de récompenses éparses, qui nécessitent une focalisation sur l'exploration, ce qui est généralement difficile pour les agents RL. Au cours de cette thèse, nous avons abordé le problème des récompenses éparses par le biais des algorithmes de Quality-Diversity, une famille de méthodes conçues pour se concentrer explicitement sur l'exploration.
Lieu : Couloir 65-66, Salle 304 ISIR, Campus Pierre et Marie Curie, 4 place Jussieu, BC173, 75005 Paris