Bienvenue sur ArTeMIS, la plate-forme d’archivage et de diffusion des thèses et mémoires de l’ISAE-SUPAERO.
Vous y trouverez les thèses soutenues à Supaero depuis 1979 et à l’ISAE-SUPAERO depuis 2007 ayant fait l´objet d´une numérisation ou d´un dépôt électronique et pour lesquelles nous avons obtenu l’autorisation de diffusion.
???menu.label.??? > ???menu.label..??? fr| en
Artemis
  • A propos
  • Contact
  • Recherche
  • simple
  • Tous les mots:
  • avancée
  • Consulter par
  • auteur
  • année
  • thématique
  • laboratoire
  • équipe de recherche
  • école doctorale
Version imprimable
Exploiting imprecise information sources in sequential decision making problems under uncertainty
(Tirer profit de sources d'information imprécises pour la décision séquentielle dans l'incertain)

Drougard, Nicolas
2015-12-18

Institut Supérieur de l'Aéronautique et de l'Espace
Directeur(s) de thèse:  Dubois, Didier; Teichteil-Königsbuch, Florent
Laboratoire :  Département Commande des Systèmes et Dynamique du vol -DCSD (depuis 1997)
Ecole doctorale :  Systèmes -EdSys

Classification : Informatique
Accès : Texte intégral

Mots-clés : PDMPO, Planification dans l'incertain, Théorie des possibilités, Robotique Autonome, Connaissance imprécise

Résumé : Les Processus Décisionnels de Markov Partiellement Observables (PDMPOs) permettent de modéliser facilement les problèmes probabilistes de décision séquentielle dans l'incertain. Lorsqu'il s'agit d'une mission robotique, les caractéristiques du robot et de son environnement nécessaires à la définition de la mission constituent le système. Son état n'est pas directement visible par l'agent (le robot). Résoudre un PDMPO revient donc à calculer une stratégie qui remplit la mission au mieux en moyenne, i.e. une fonction prescrivant les actions à exécuter selon l'information reçue par l'agent. Ce travail débute par la mise en évidence, dans le contexte robotique, de limites pratiques du modèle PDMPO: elles concernent l'ignorance de l'agent, l'imprécision du modèle d'observation ainsi que la complexité de résolution. Un homologue du modèle PDMPO appelé pi-PDMPO, simplifie la représentation de l'incertitude: il vient de la Théorie des Possibilités Qualitatives qui définit la plausibilité des événements de manière qualitative, permettant la modélisation de l'imprécision et de l'ignorance. Une fois les modèles PDMPO et pi-PDMPO présentés, une mise à jour du modèle possibiliste est proposée. Ensuite, l'étude des pi-PDMPOs factorisés permet de mettre en place un algorithme appelé PPUDD utilisant des Arbres de Décision Algébriques afin de résoudre plus facilement les problèmes structurés. Les stratégies calculées par PPUDD, testées par ailleurs lors de la compétition IPPC 2014, peuvent être plus efficaces que celles des algorithmes probabilistes dans un contexte d'imprécision ou de grande dimension. Cette thèse propose d'utiliser les possibilités qualitatives dans le but d'obtenir des améliorations en termes de temps de calcul et de modélisation.

Résumé (anglais) : Partially Observable Markov Decision Processes (POMDPs) define a useful formalism to express probabilistic sequential decision problems under uncertainty. When this model is used for a robotic mission, the system is defined as the features of the robot and its environment, needed to express the mission. The system state is not directly seen by the agent (the robot). Solving a POMDP consists thus in computing a strategy which, on average, achieves the mission best i.e. a function mapping the information known by the agent to an action. Some practical issues of the POMDP model are first highlighted in the robotic context: it concerns the modeling of the agent ignorance, the imprecision of the observation model and the complexity of solving real world problems. A counterpart of the POMDP model, called pi-POMDP, simplifies uncertainty representation with a qualitative evaluation of event plausibilities. It comes from Qualitative Possibility Theory which provides the means to model imprecision and ignorance. After a formal presentation of the POMDP and pi-POMDP models, an update of the possibilistic model is proposed. Next, the study of factored pi-POMDPs allows to set up an algorithm named PPUDD which uses Algebraic Decision Diagrams to solve large structured planning problems. Strategies computed by PPUDD, which have been tested in the context of the competition IPPC 2014, can be more efficient than those produced by probabilistic solvers when the model is imprecise or for high dimensional problems. This thesis proposes some ways of using Qualitative Possibility Theory to improve computation time and uncertainty modeling in practice.


Langue : Anglais
Exporter au format XML
© 2006-2010 ORI-OAI
thèses ISAE,theses ISAE,thèse ISAE,these ISAE, thèses Institut Supérieur de l'Aéronautique et de l'Espace,thèse Institut Supérieur de l'Aéronautique et de l'Espace,,theses Institut Supérieur de l'Aéronautique et de l'Espace,,these Institut Supérieur de l'Aéronautique et de l'Espace, thèses aéronautique,thèse aéronautique,these aéronautique,,theses aéronautique, Artemis,Arthemis, thèses DAEP,thèses DMIA,thèses DMSM, thèses DEOS,thèses CAS,thèses LACS, thèse DAEP,thèse DMIA,thèse DMSM, thèse DEOS,thèse CAS,thèse LACS, these DAEP,these DMIA,these DMSM, these DEOS,these CAS,these LACS, theses DAEP,theses DMIA,theses DMSM, theses DEOS,theses CAS,theses LACS, thèses toulouse,thèse toulouse,theses toulouse,these toulouse, thèses supaero,thèse supaero,theses supaero,these supaero, thèses école nationale supérieure d'aéronautique,thèse école nationale supérieure d'aéronautique,theses école nationale supérieure d'aéronautique,these école nationale supérieure d'aéronautique, thèses ingénieur,thèse ingénieur,theses ingénieur,these ingénieur, phd thesis ISAE, phd thesis Institut Supérieur de l'Aéronautique et de l'Espace, phd thesis aéronautics, phd thesis DAEP,phd thesis DMIA,phd thesis DMSM,phd thesis DEOS,phd thesis CAS,phd thesis LACS, phd thesis toulouse,phd thesis supaero,phd thesis école nationale supérieure d'aéronautique,