Quadcopter Control Using Reinforcement Learning

Abstract

Dans ce travail, nous avons présenter les concepts et paradigmes de l’apprentissage par renforcement et leur importance croissante dans la communauté´e de recherche en robotique. Nous avons propos´e un environnement open-source de type OpenAI GYM pour entrainer un agent d’apprentissage par renforcement a` piloter un quadruplet`ère bas´e sur le moteur physique Py- Bullet. Ce type d’environnement, associé`a la spécification d’une fonction de récompense, est important pour normaliser le développement et l’´évaluation des algorithmes d’apprentissage et pour aider `a combiner les avantages de l’utilisation de la théorie du contrôle et de l’apprentissage automatique.