Accompagnement pour le développement d'une stratégie de Reinforcement Learning pour le contrôle multi-agents

Contexte de la Mission

Durée : Prestation ponctuelle en février 2025
Facturation : 5 jours

Objectifs :

Accompagner l’entreprise dans la définition et la mise en œuvre d’une stratégie de contrôle multi-agents basée sur le Reinforcement Learning (RL) pour participer à une compétition. L’objectif est de maximiser les performances tout en permettant à l’équipe d’acquérir des compétences durables en RL.

Tâches effectuées :

• Définition de la stratégie globale de Renforcement Learning adaptée au contexte multi-agents de la compétition.
• Création et paramétrage de l’environnement de simulation pour les agents, afin de tester et valider les approches.
• Sélection et configuration des algorithmes de RL pertinents (e.g., PPO, DDPG, SAC).
• Aide à la formulation des métriques et objectifs pour évaluer la performance des agents dans l’environnement.
• Collaboration avec l’équipe pour favoriser une compréhension approfondie des méthodes utilisées.
• Identification des points critiques et mise en place d’un plan d’amélioration continue pour maximiser l’apprentissage à partir du projet.
• Support pour l’intégration des résultats dans les présentations et les outils de l’entreprise.