Fiche de HANNA Elias

Titre : Improving Novelty Search sample efficiency with models or archive bootstrapping
Date : 22 mars 2024
Heure: 13:00
Résumé : Dans cette thèse, nous abordons plusieurs sujets liés à l'utilisation de modèle appris dans le cadre d'algorithmes de recherche de politiques. Premièrement, nous étudions l'impact du processus aléatoire utilisé pour récolter des données afin de pré-entraîner le modèle sur deux méthodes de recherche de politique basées modèles, une inspirée de la commande prédictive et de l'apprentissage par renforcement et l'autre inspirée des algorithmes évolutionnaires de type Qualité-Diversité. Dans un second temps, nous étudions la possibilité d'obtenir une population initiale plus diverse pour des algorithmes évolutionaires à l'aide de modèle aléatoires de la dynamique du système. Finalement, nous proposons une méthode d'apprentissage évolutionaire basée sur l'algorithme Novelty Search utilisant un modèle de la dynamique du système pour réduire grandement le nombre d'évaluations nécessaires pour atteindre une couverture de l'espace comportemental équivalent à l'algorithme Novelty Search classique.
Lieu : Institut des Systèmes Intelligents et de Robotique, Sorbonne Université, 75005 Paris, France