Auto-organisation d'agents embarqués pour l'apprentissage par démonstration : principes et expérimentations

Abstract

L’adaptation des systèmes ambiants aux besoins spécifiques des utilisateurs est une tâche complexe. Pour rendre l’interaction humain-système aussi naturelle que possible pendant l’adaptation, nous proposons une approche basée sur l’apprentissage par démonstration. Cet apprentissage requiert des techniques d’apprentissage adaptatifs. Nous présentons Alex, un système multi-agent capable d’apprendre dynamiquement un comportement à partir de démonstrations réalisées par un tuteur. Les résultats d’expérimentations réalisées à la fois sur un robot réel et virtuel mettent en avant des propriétés intéressantes de notre technologie pour des applications ambiantes.