Cette page résume et organise les publications en intelligence artificielle du monde entier. Les contenus sont synthétisés grâce à Google Gemini et le service est proposé à but non lucratif. Les droits d'auteur des articles appartiennent à leurs auteurs ou institutions respectives ; en cas de partage, il suffit d'en mentionner la source.
Cet article étudie les algorithmes de contrôle et de coordination de machines autonomes dans des environnements complexes. Nous nous concentrons sur les méthodes d'allocation de tâches utilisant l'intelligence computationnelle (IC) et l'apprentissage par renforcement profond (RL), en analysant les forces et les faiblesses des méthodes étudiées. Nous proposons et discutons également de diverses pistes de recherche futures pour améliorer les algorithmes existants ou développer de nouvelles méthodes afin d'améliorer l'employabilité et les performances des machines autonomes dans des applications pratiques. Les avancées récentes en RL profond ont considérablement contribué à l'enrichissement de la littérature sur le contrôle et la coordination des machines autonomes, témoignant d'une tendance croissante dans ce domaine.
Takeaways, Limitations_
•
Takeaways:
◦
Nous proposons que l’intelligence computationnelle (IC) et l’apprentissage par renforcement profond (RL) sont des approches viables pour résoudre des problèmes complexes d’attribution de tâches dans des environnements dynamiques et incertains.
◦
Les progrès récents dans l’apprentissage par renforcement profond stimulent la croissance dans le domaine du contrôle et de la coordination des machines autonomes.
◦
Fournit un aperçu complet des progrès de la recherche en apprentissage automatique liée aux machines autonomes.
◦
Il met en évidence des domaines inexplorés, présente de nouvelles méthodologies et suggère de nouvelles directions pour les recherches futures.
•
Limitations:
◦
Les détails sur les implémentations réelles et les évaluations des performances d’algorithmes spécifiques sont limités.
◦
Aucun plan de recherche ou méthodologie spécifique n’est présenté pour les futures orientations de recherche présentées dans le document.
◦
Il peut y avoir un manque de discussion sur la généralisabilité à différents types de machines autonomes et d’environnements de travail.
