|
|
RFIA 2010 |
|
Tutoriels de la conférence RFIA 2010
Mardi 19 Janvier 2010
Tutoriel : Choix social computationnel
Responsable : Jérôme Lang
Programme :
Tutoriel : Apprentissage par renforcement et Robotique
Responsable : Olivier Sigaud
Programme :
9h30-12h00 : Apprentissage par renforcement
Olivier Sigaud, UPMC, Paris : Introduction générale à l'A/R
Frederic Garcia, INRA Toulouse : Apprentissage avec Modèle
Pause café
Alain dutech, LORIA Nancy : résolution des POMDP
Emmanuel Rachelson, EDF, Clamart : l'algorithme LSPI
14h-18h : Apprentissage et Robotique
Peter Ford Dominey : Robot Learning from Cooperative Interaction with Humans
Camille Salaun, UPMC, Paris : Apprentissage de modèles pour la commande dans l'espace opérationnel
Pause café
Sofia Zaidenberg, PRIMA, Grenoble : Agents apprenants pour l'intelligence ambiente
Michele Sebag, LRI, Orsay : Maximisation de la quantité d'information pour un robot autonome
Samuel Landau, GOSTAI, Paris : Urbi 2.0, a Parallel Operating System for Robots
Tutoriel : La coordination d'agents cognitifs : une approche basée sur la planification multi-agents
Responsable : Amal El Fallah Seghrouchni
Programme :
Au sein d'un système multi-agents cognitif, les agents sont autonomes et s'exécutent de manière concurrente et asynchrone. La coordination de tels agents est un mécanisme collectif (multi-agent) nécessaire pour tendre vers un état « global » cohérent, i.e. un état où les états locaux des différents agents sont compatibles en termes d'objectifs, d'actions, d'utilisation de ressources, etc.
Ainsi, les agents vont chercher à éviter des situations conflictuelles (ex. antagonisme, interblocage, famine, etc.) souvent engendrées par un accès concurrent aux ressources partagées, par l'existence de connaissances (ou croyances) incompatibles, etc. Mais au-delà de la résolution de conflits potentiels, la coordination multi-agent présente un intérêt majeur qui est celui de favoriser la synergie des agents en leur permettant de bénéficier de leurs capacités respectives, et de tirer profit de leurs actions mutuelles.
Les modèles de coordination généralement utilisés sont issus de l'intelligence artificielle distribuée (ex. résolution distribuée de problèmes, formation de coalitions, négociation, etc.) et leur mise en oeuvre requiert des techniques sophistiquées intégrant la gestion du parallélisme, la synchronisation des activités, la diffusion d'information, etc.
Dans ce tutoriel, nous présenterons les principaux modèles de coordination multi-agent et nous détaillerons l'un d'eux, à savoir la coordination par planification multi-agent. Les aspects que nous aborderons incluent :
- le positionnement de la problématique de la coordination dans les SMA cognitifs,
- un aperçu des différents modèles de coordination (décision collective, formation de coalitions, négociation, planification..),
- et la planification multi-agents comme modèle de coordination.
Plusieurs études de cas seront utilisées pour illustrer ce tutoriel incluant les missions aériennes, le trafic maritime et la planification multi-robots.
Tutoriel : Equations aux différences Partielles sur graphes (EdPs): un cadre unifiant le traitement, l'analyse d'images et de données de grandes dimensions
Responsable : Abder El Moataz
Programme :
Les avancées technologiques en termes de procédés de numérisation et d'acquisitions (documents, objets, ..) et de simulation numérique engendrent une profusion de données de tous types (images, vidéo, maillages ou données géométriques, base de données). Elles sont souvent de grande dimension et/ou définies sur des domaines non uniformes ou complexes. Leurs exploitation pour en extraire l'information utile nécessite de les traiter et de les analyser (réduction de dimension, simplification, restauration, visualisation, catégorisation, organisation, classification, reconnaissance, etc,..).
L'objectif de ce tutorial est de présenter un cadre général permettant de traiter et d'analyser d'une manière unifiée les images/vidéos et les données de grande dimension.
Ce cadre est fondé sur la représentation des données discrètes par des graphes ou des réseaux complexes et sur l'exploitation du formalisme des équations aux différences sur graphes. Il s'agit d'imiter sur graphes les méthodes variationnelles et les équations aux dérivées partielles (EDPs) définies sur un domaine continue, communément utilisées en traitement et analyse d'images/vidéo, de les relier ainsi avec les méthodes basées su la théorie spectrale des graphes. Le programme sera composé de quatre parties:
1. Motivations, introduction des méthodes basées sur les EDPs pour le traitement des images, introduction des méthodes basées sur la théorie spectrale des graphes en analyse de donnée
2. Opérateurs de dérivations sur graphes, introduction de fonctionnelles de régularisation discrètes, liens avec la régularisation continue (locale ou non locale) et avec la régularisation spectrale.
3. Régularisation discrète locale et non locale, Algorithmes et applications en traitement d'images et de données de grande dimension (restauration, segmentation, classification semi supervisée et non supervisée, interpolation, etc).
4. Morphologie mathématique, Equation Eikonale sur graphe, Algorithmes et applications en traitement d'images et de données de grande dimension.