L’apprentissage par renforcement pour la robotique en essaim.

"Les évènements naturels, tels que les incendies de forêt, constituent une menace sérieuse pour la population humaine et causent des dommages environnementaux et économiques importants. Le changement climatique augmentant la fréquence et l’intensité des évènements naturels extrêmes, des solutions plus efficaces sont nécessaires pour en atténuer les effets. L’une des solutions proposées est l’utilisation d’un essaim de drones et de véhicules terrestres autonomes pour éteindre les incendies de forêt. Le contrôle d’un essaim de drones est une tâche difficile qui nécessite un système de contrôle complexe capable d’assurer une bonne coordination entre plusieurs véhicules. L’intelligence artificielle, en particulier l’apprentissage par renforcement, a été proposée comme solution pour le contrôle autonome d’un essaim. Dans cet article, nous proposons un système conceptuel basé sur l’apprentissage par renforcement et la robotique en essaim pour lutter efficacement contre les incendies de forêt. Notre système se compose d’un drone de surveillance et de plusieurs drones de charge utile chargés de transporter des produits de lutte contre les incendies. L’objectif de notre recherche est de guider un essaim de drones de charge utile vers un feu de forêt tout en préservant un regroupement serré de l’essaim. Chaque drone est contrôlé individuellement et connait la position de l’objectif et les positions des autres agents. Pour comparer différents algorithmes, nous avons testé un AQP, un AQP arc-en-ciel et un Fonction quantile entièrement paramétrée (FQE), connue en anglais comme Fully Parameterized Quantile Function (FQF), à l’aide d’une simulation et de quatre scénarios dans Air-Sim. Avec notre approche, nous obtenons des résultats impressionnants pour le contrôle d’un essaim de drones vers un objectif commun. Notre recherche démontre la possibilité d’utiliser l’apprentissage par renforcement pour contrôler un essaim de drones dans le cadre de la lutte contre les incendies de forêt. "

Name thesis:degree_name

Maîtrise ès sciences (informatique)

Level thesis:degree_level

2e cycle

Discipline thesis:degree_discipline

Faculté des sciences

Grantor dc:publisher

Université de Moncton

Year dc:date.issued

2024

Author dc:creator

• Blais, Marc-André

Advisor dc:contributor.advisor

• Akhloufi, Moulay A.

• Robots autonomes
• Drones
• Apprentissage par renforcement (Intelligence artificielle)
• Systèmes multiagents (Intelligence artificielle)
• Simulation par ordinateur

Statement dc:rights

• Author

Language dc:language.iso

iso639-2b, fre

Dc Identifier Other

umir:3068

OAI identifier oai:identifier

oai:umoncton.scholaris.ca:20.500.14658/7397