Utiliser exploauto pour apprendre des actions complexes via l'algo SGIM-ACTS

[smartan117]

J'aimerais pouvoir porter sur Python le code SGIM-ACTS (https://flowers.inria.fr/Nguyen-Oudeyer-Paladyn2013.pdf).
J'aurai quelques questions concernant votre librairie exploauto.

Avez-vous déjà fait des tests en utilisant votre librairie et un agent pouvant changer de stratégie ?
(choisir activement entre différentes stratégies comme imitation, random, SAGG-RIAC)
Si oui, comment avez-vous appliquer les interest trees pour qu'ils représentent différentes stratégies en même temps ?
J'ai pas l'impression que le code soit compatible avec des actions complexes (séquences de taille variable composées de primitives motrices), pouvez-vous confirmer ?
Comme je devrais à terme utiliser des actions complexes, me conseillez-vous du coup d'utiliser votre librairie pour cela ?
Avez-vous également fait des tests pour un agent pouvant changer activement de task space ?

Voilà, j'hésite à m'efforcer de comprendre votre librairie et faire quelque chose de compatible ou faire quelque chose d'entièrement différent.

[oudeyer]

Bonjour,

cela serait très utile d’implémenter SGIM-ACTS dans la librairie Explauto. Explauto a été créé afin de fournir un environnement expérimental permettant d’étudier et réutiliser
différentes familles d’algorithmes d’apprentissage et d’exploration active, par exemple les processus SAGG-RIAC, SAGG-Random ou SGIM-ACTS.
Cependant, SGIM-ACTS n’a pas encore été implémenté, et à ma connaissance personne n’y travaille pour le moment, donc je vous encourage à proposer une implémentation.
Une remarque cependant: le processus SGIM-ACTS peut être implémenté par de nombreux algorithmes, car en effet par exemple il ne spécifie pas quel est l’algorithme
d’optimisation utilisé dans le goal-babbling ou dans l’imitation.

Pour le moment, le code n’est en effet pas compatible avec des actions complexes, mais cela serait très intéressant de permettre cette possibilité dans explauto.

Enfin, il n’y a pas non plus à ma connaissance d’exemple d’agent pouvant changer de task space, mais la librairie a été pensée pour que cela devienne possible.

Une idée serait de développer des extensions d’Explauto qui le permettent et de proposer des notebooks permettant aux contributeurs de tester ces extensions
afin de voir si elles pourront être intégrées dans Explauto,

Cordialement,
Pierre-Yves Oudeyer

Le 2 sept. 2016 à 13:53, smartan117 notifications@github.com a écrit :

J'aimerais pouvoir porter sur Python le code SGIM-ACTS (https://flowers.inria.fr/Nguyen-Oudeyer-Paladyn2013.pdf).
J'aurai quelques questions concernant votre librairie exploauto.

Avez-vous déjà fait des tests en utilisant votre librairie et un agent pouvant changer de stratégie ?
(choisir activement entre différentes stratégies comme imitation, random, SAGG-RIAC)
Si oui, comment avez-vous appliquer les interest trees pour qu'ils représentent différentes stratégies en même temps ?
J'ai pas l'impression que le code soit compatible avec des actions complexes (séquences de taille variable composées de primitives motrices), pouvez-vous confirmer ?
Comme je devrais à terme utiliser des actions complexes, me conseillez-vous du coup d'utiliser votre librairie pour cela ?
Avez-vous également fait des tests pour un agent pouvant changer activement de task space ?

Voilà, j'hésite à m'efforcer de comprendre votre librairie et faire quelque chose de compatible ou faire quelque chose d'entièrement différent.

—
You are receiving this because you are subscribed to this thread.
Reply to this email directly, view it on GitHub, or mute the thread.