En ligne
Présentateur : Simone Parisi, chercheur au sein du laboratoire d'Abhinav Gupta
Titre: Tabula-Rasa & Task-Specific To Transfer & Task-Agnostic : Vers une RL plus efficace et généralisable
Résumé : Au cours de la dernière décennie, l'apprentissage par renforcement (RL) a été établi comme un cadre efficace pour résoudre une grande variété de tâches. De nombreux efforts ont été consacrés à la mise à l'échelle de l'apprentissage par renforcement pour résoudre des problèmes complexes, tels que des tâches robotiques avec de nombreux degrés de liberté ou des jeux vidéo. Cependant, ces avancées dépendent généralement de modules de perception fabriqués à la main, de politiques d'exploration pré-structurées, et nécessitent des milliards d'échantillons ou l'amorçage à partir de données humaines. Dans ces cas, l'apprentissage est tabula-rasa et agnostique : l'agent apprend à partir de rien et se voit confier une tâche spécifique. Cela contraste fortement avec la façon dont les humains explorent : nous interagissons continuellement avec le monde - parfois sans tâche explicite - et nous reportons nos connaissances passées.
Dans le but de faire évoluer la RL vers un cadre de transfert plus réaliste, je présenterai de nouvelles méthodes d'apprentissage et de transfert de politiques d'exploration adaptées à la tâche, et j'étudierai les caractéristiques des représentations visuelles nécessaires à un transfert efficace vers des tâches de contrôle.
Bio : Simone Parisi est un chercheur au sein du laboratoire d'Abhinav Gupta. Ses intérêts de recherche se situent dans le domaine de l'apprentissage par renforcement, en particulier dans les domaines de l'exploration, de l'apprentissage par représentation, de l'apprentissage par transfert, de la recherche de politiques et de l'optimisation multi-objectifs.
Pendant son postdoc à Meta AI, Simone a travaillé sur des méthodes d'exploration et d'apprentissage de représentation qui s'éloignent du paradigme classique de la tabula-rasa pour s'orienter vers un cadre de transfert plus réaliste.
Avant son postdoc, Simone a effectué son doctorat au laboratoire de systèmes autonomes intelligents de Jan Peters. Il y a travaillé sur de nouvelles méthodes pour mettre à l'échelle l'apprentissage par renforcement dans le domaine de la robotique afin de garantir à la fois un haut degré d'autonomie et la capacité de résoudre des tâches complexes.
Le séminaire sur l'intelligence artificielle (IA) de l'Université de l'Alberta est une réunion hebdomadaire où les chercheurs (y compris les étudiants, les développeurs et les professeurs) intéressés par l'IA peuvent partager leurs recherches actuelles. Les présentateurs comprennent des conférenciers locaux de l'Université de l'Alberta et de l'industrie ainsi que d'autres institutions. Les séminaires abordent un large éventail de sujets liés de près ou de loin à l'intelligence artificielle, depuis les travaux théoriques fondamentaux jusqu'aux applications innovantes des techniques d'IA à de nouveaux domaines et problèmes d'intérêt. Pour en savoir plus, consultez le site Web du séminaire sur l'IA et inscrivez-vous à la liste de diffusion!
Vous cherchez à renforcer les capacités en matière d'IA ? Vous avez besoin d'un conférencier pour votre événement ?
Participez à l'écosystème croissant de l'IA en Alberta ! Les demandes de conférenciers, de parrainage et de lettres de soutien sont les bienvenues.