Planification avec incertitudes processus de decision de markov et methodes d'agregation

par Jean-Luc Marion

Thèse de doctorat en Sciences appliquées

Sous la direction de M. DE ROOGEMONT.

Soutenue en 1996

à Paris 11 .

    mots clés mots clés


  • Résumé

    Dans le cadre de cette these est aborde le probleme de la planification avec incertitudes d'un robot mobile soumis au incertitudes de commandes et de mesures. Nous utilisons une modelisation discrete en termes de processus de decision de markov (mdp) pour representer d'une part, l'environnement dans lequel evolue le robot et d'autre part, les incertitudes de deplacement. Les mdp partiellement observes (pomdp) permettent de representer les incertitudes des mesures. Nous introduisons de nouveaux criteres de performances pour l'optimisation des mdp a propos desquels nous retrouvons les resultats classiques. Nous etudions ensuite les algorithmes probabilistes d'un point de vue robotique, en particulier pour definir une methode d'agregation qui permet d'optimiser efficacement des mdp de taille importante. Enfin, nous appliquons cette methode a des problemes derives de mdp tels que planification execution concurrentes ou l'apprentissage

  • Titre traduit

    Planning under uncertainties markov decision processes and aggregation methods


  • Pas de résumé disponible.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 164 P.
  • Annexes : 88 REF.

Où se trouve cette thèse ?

  • Bibliothèque :
  • Accessible pour le PEB
  • Bibliothèque :
  • Disponible pour le PEB
  • Cote : TH2014-012666
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.