IA pour les procédés environnementaux

Multi-agent Reinforcement Learning for Robotic Construction

Les laboratoires des Prof. Stefana Parascho (ENAC) et Prof. Maryam Kamgarpour (STI) hébergeront le 6e CIS Collaboration Grant. 

Notre proposition vise à accroître l’impact des robots sur un environnement durable, en développant leur autonomie. Les applications d’assemblage multi-robots ont montré un grand potentiel pour la construction efficace de structures dans des environnements contrôlés. L’autonomie accrue proposée permet aux robots multiples de s’attaquer à la construction dans des environnements inconnus ou dangereux (zones sinistrées, climats extrêmes ou sites urbains denses) et de travailler avec des matériaux de construction existants (réutilisés) ou non traités. Notre approche de l’augmentation de l’autonomie des robots dans la construction est basée sur le développement de la théorie de l’apprentissage par renforcement multi-agents et d’algorithmes pour l’assemblage et la construction multi-robots autonomes et son transfert dans le monde physique. L’apprentissage par renforcement a un grand potentiel pour trouver des solutions aux problèmes très complexes de l’assemblage multi-robots : séquençage, planification des chemins, répartition des tâches. Cependant, l’application de l’assemblage pose des défis théoriques et algorithmiques supplémentaires pour l’apprentissage par renforcement multi-agents. Ces défis comprennent des récompenses très éparses capturant l’achèvement de la tâche, des informations hétérogènes sur l’état de chaque robot en raison du fait qu’un robot donné possède ses propres capteurs locaux, et un espace d’état très vaste en raison de toutes les configurations possibles pour la tâche d’assemblage. En même temps, le transfert de la prise de décision du concepteur à la machine soulève des questions liées à la pratique de la conception et de la construction. En s’appuyant sur l’expertise complémentaire de nos deux laboratoires, notre objectif est de faire progresser la théorie et les algorithmes numériques pour relever ces défis et de les transférer à notre banc d’essai d’assemblage multi-robotique à l’EPFL. Il en résultera non seulement de nouvelles méthodes d’assemblage, mais aussi de nouvelles approches de conception pour la construction architecturale.

Laboratoires Associés