Robust-Adaptive Control of Linear Systems: beyond Quadratic Costs
Edouard Leurent, Denis Efimov, and Odalric-Ambrym Maillard
NeurIPS 2020
Monte-Carlo Graph Search: the Value of Merging Similar States
Edouard Leurent and Odalric-Ambrym Maillard
ACML 2020
Robust-Adaptive Interval Predictive Control for Linear Uncertain Systems
Edouard Leurent, Denis Efimov, and Odlaric-Ambrym Maillard
CDC 2020
Budgeted Reinforcement Learning in Continuous State Space
Nicolas Carrara,* Edouard Leurent,* Romain Laroche, Tanguy Urvoy, Odalric-Ambrym Maillard, and Olivier Pietquin
NeurIPS 2019
Social Attention for Autonomous Decision-Making in Dense Traffic
Edouard Leurent and Jean Mercat
ML4AD Workshop at NeurIPS 2019
Interval Prediction for Continuous-Time Systems with Parametric Uncertainties
Edouard Leurent, Denis Efimov, Tarek Raïssi, and Wilfrid Perruquetti
CDC 2019
It is used e.g. in the latex-action of the automatic build workflow.
LaTeX editors such as Texstudio can be configured to use latexmk as the default compiler.
Credits
The template is inspired from @Naereen/phd-thesis, also released under the MIT License.
Intro: Moral philosophy / ethics and the science of decision-making
Nuts and bolts of AD
Context and Scope: Quel est le problème, quels sont nos objectifs ? (décisions moyen terme) Où se situe la difficulté ? (incertitude, interactions) Pour cela, quelles sont nos armes ?
Reprendre la checklist du Chap 2, en précisant les choix pris dans cette thèse (par opposition au SOTA)
State: positions et vitesses des objets, voies, potentiellement toute information.
Actions: on ne veut pas optimiser le contrôle bas-niveau (e.g. confort), mais des objectifs sémantiques court terme. Structure discrète.
Dynamique: modèle cinématique bicycle. Modèles de comportement pour les autres agents, issus de la simulation du traffic. Ils doivent pouvoir réagir au comportement du véhicule. Contrôleur retour d'état pour l'égo.
Récompense: la plus simple possible: velocity et collision. En particulier, on ne veut pas spécifier tous les aspects du comportement par la reward (e.g. distance de sécurité). Si possible, on ne donne que nos objectifs finaux et on souhaite voir le comportement adéquat émerger (la distance de sécurité est nécessaire et optimale à cause de l'incertitude sur le comportement du véhicule de devant, en particulier en cadre worst case vs en cadre average)
Implémentation: quelques mots sur highway-env, et renvoi en annexe.