Ingredients for Motion Planning-powered Reinforcement Learning
Ingrédients pour l'apprentissage par renforcement combiné à la planification de mouvement
Résumé
This thesis focuses on four main contributions, quite distinct, yet all linked by a common goal: to improve exploration in reinforcement learning through the use of motion planning techniques based on random sampling. The first contribution deals with geometric transformations between continuous movements and discrete sequences of contacts, which allows addressing locomotion movement generation problems from a new perspective. The second contribution proposes a technique for generalizing or imitating trajectories based on the application of successive diffeomorphic transformations. The third concerns the management of successive goal sequences, particularly focusing on intermediate goals and how to consider them for more effectively achieving an overall objective. Finally, the fourth contribution presents an off-policy reinforcement learning algorithm, aiming to improve the training of control policies when a significant portion of the data comes from exploration trajectories.
Cette thèse se concentre sur quatre contributions principales, assez distinctes, mais ayant toutes un lien avec un objectif commun, celui d’améliorer l’exploration en apprentissage par renforcement à travers l’utilisation de techniques de planification de mouvements basées sur l’échantillonnage aléatoire. La première contribution concerne des transformations géométriques entre mouvements continus et séquences discrètes de contacts, ce qui permet d’aborder les problèmes de génération de mouvements de locomotion sous un angle nouveau. La deuxième contribution propose une technique de généralisation ou d’imitation de trajectoires basée sur l’application de transformations difféomorphiques successives. La troisième porte sur la gestion de séquences successives d’objectifs, en particulier sur les notions de buts intermédiaires et les façons de les considérer pour atteindre plus efficacement un objectif global. Enfin, la quatrième contribution présente un algorithme d’apprentissage par renforcement dit « off-policy », visant à améliorer l’entraînement de politiques de contrôle lorsqu’une partie significatives des données provient de trajectoires d’exploration.
Origine | Fichiers produits par l'(les) auteur(s) |
---|