Stage

Les responsables des stages sont Aurélie Beynier et Thibaut Lust.
La durée des stages est de 5 mois minimum et 6 mois maximum. Les soutenances des stages ont lieu en septembre.
Propositions de stages de M2.

Par Nawal Benabbou , 10 décembre, 2019

Partage équitable de ressources à des groupes d’agents.

L'objectif de ce stage est d'étudier l'équité dans le cadre de l'attribution de ressources à des groupes d’agents. Par exemple, quand il s'agit de ressources publiques comme des logements sociaux, il est nécessaire de garantir une certaine équité tenant compte des différents groupes d’individus dans la population (sexe, âge, pays de naissance, catégorie socioprofessionnelle) pour ́eviter que certains groupes ne se sentent lésés.

Par Stéphane Doncieux , 4 décembre, 2019

Co-evolution of policies and environments

Reinforcement learning methods allow to build a policy that maximizes a given reward in a particular environment. The generated policy heavily depends on the domain it has been tested on. It creates two different issues: (1) the domain may be too hard for the learning process to proceed efficiently (bootstrap problem) and (2) the policy may not generate the same expected behavior in different domains (generalization issue).

Par Stéphane Doncieux , 4 décembre, 2019

Dynamic features clustering for object detection and tracking in interactive perception

In order to be able to interact with its environment and solve non-trivial object-based tasks (e.g. manipulation), a robot must be able to locate objects in its perceptual field, and to track them throughout the interaction. In the case of a static task and structured environment, for example objects on a tabletop, those perceptual abilities can be hardcoded.