A Modular Framework for Generic Imitation Learning using Graph-based Spatio-Temporal Representation of Demonstrations : application to Robotic Learning

L apprentissage par renforcement et l apprentissage par imitation permettent aux robots d apprendre à effectuer des tâches de manière autonome, sans avoir besoin d instructions explicites. Cette thèse examine les deux méthodes et les intègre dans un cadre modulaire et générique pour résoudre le prob...

Description complète

Enregistré dans:
Détails bibliographiques
Auteurs principaux : El Manyari Yassine (Auteur), Le Callet Patrick (Directeur de thèse), Dollé Laurent (Directeur de thèse), Filliat David (Président du jury de soutenance), Buffet Olivier Bernard Henri (Rapporteur de la thèse), Dutech Alain (Rapporteur de la thèse), Khamassi Mehdi (Membre du jury), Lamprier Sylvain (Membre du jury), Rossi Silvia (Membre du jury)
Collectivités auteurs : Nantes Université 2022-.... (Organisme de soutenance), École Doctorale Mathématiques et Sciences et Technologies du numérique, de l Information et de la Communication Nantes (Ecole doctorale associée à la thèse), Laboratoire des Sciences du Numérique de Nantes (Laboratoire associé à la thèse)
Format : Thèse ou mémoire
Langue : anglais
Titre complet : A Modular Framework for Generic Imitation Learning using Graph-based Spatio-Temporal Representation of Demonstrations : application to Robotic Learning / Yassine El Manyari; sous la direction de Patrick Le Callet et de Laurent Dollé
Publié : 2023
Accès en ligne : Accès Nantes Université
Note sur l'URL : Accès au texte intégral
Note de thèse : Thèse de doctorat : Informatique appliquée : Nantes Université : 2023
Conditions d'accès : Thèse soumise à l'embargo de l'auteur jusqu'au 15 novembre 2023.
Sujets :