OPTIMIZATION OF DECISION-MAKING PROCESSES FOR ROBOTICS
OPTIMISATION DE PROCESSUS DECISIONNELS POUR LA ROBOTIQUE
Résumé
On the basis of the general formalism of "Production Systems" two types of Decision Porcesses are defined: closed processes for finite state-space systems, and Open processes for infinite state space systems. The thesis considers such processes as particular algorithms, and deals with their modelization, analysis and optimization of their complexity for various criteria and cost models, taking into account the complexity of the optimization task itself. The task is characterized as NP-hard in the strong sense, and carried ouot by some original approximation schemes, developped as a generation of admissible heuristic search procedures to near admissible one. Two Robotics decision processes are considered : synthesis of optimal classifiers for object recognition, and plan generation.
A PARTIR DU FORMALISME DES SYSTEMES DE REGLES DE DECISION, ON DEFINIT DEUX TYPES DE PROCESSUS DECISIONNELS: LES PROCESSUS FERMES (PDF) PORTANT SUR DES SYSTEMES REPRESENTES DANS DES ESPACES FINIS; ET LES PROCESSUS OUVERTS (PDO) POUR DES SYSTEMES A ESPACES D'ETATS INFINIS. ON CONSIDERE CES PROCESSUS COMME DES ALGORITHMES PARTICULIERS ET ON S'INTERESSE A LEUR MODELISATION, LEUR ANALYSE ET L'OPTIMISATION DE LEUR COMPLEXITE, SELON DIFFERENTS CRITERES, EN TENANT COMPTE DE LA COMPLEXITE DE LA TACHE D'OPTIMISATION ELLE-MEME. LA CARACTERISATION DE CETTE TACHE, EN TANT QUE PROBLEME NP-DUR AU SENS FORT ET APPROXIMATION NP-DUR, CONDUIT A DEVELOPPER DES SCHEMAS D'APPROXIMATION QUI GENERALISENT LES ALGORITHMES DE RECHERCHE HEURISTIQUE DANS LES GRAPHES ET HYPERGRAPHES EN PROCEDURES EPSILON -ADMISSIBLES. DEUX PROCESSUS DECISIONNELS EN ROBOTIQUE SONT TRAITES: L'UN FERME PORTANT SUR L'APPRENTISSAGE D'UN CLASSIFIEUR POUR L'IDENTIFICATION D'OBJETS, ET L'AUTRE OUVERT POUR LA GENERATION DE PLANS