Charly Pecqueux-Guézénec

Balancing Risk and Reward : A General Architecture for Safe Exploration in Robotic Learning

Cette thèse vise à réduire le fossé entre l'apprentissage par renforcement (RL) et le contrôle robotique. L'apprentissage par renforcement, et en particulier l'apprentissage par renforcement conditionné par des buts (GCRL),permet de concevoir des contrôleurs capables de gérer des tâches variées, d'explorer des enviro...