CentraleSupélec | Etienne Chassaing

Apprentissage par renforcement

Mon, 01 Jan 0001 00:00:00 +0000

Cours d’introduction au Reinforcement-Learning, structurée en quatre séances de cours, chacune suivie d’un TD.

Cours

Cours 1 : Introduction et MDP open ↗

Cours 2 : Programmation dynamique open ↗

Cours 3 : Prédiction sans modèle open ↗

Cours 4 : Contrôle sans modèle et deep RL open ↗

Séance 1 : processus de décision markoviens, retour, fonctions de valeur, équations de Bellman.
Séance 2 : évaluation de politique, itération sur la politique, itération sur la valeur.
Séance 3 : méthodes de Monte-Carlo, différences temporelles TD(0).
Séance 4 : Monte-Carlo control, SARSA, Q-Learning, et une ouverture sur le deep RL.

TD écrits

TD : Introduction et MDP open ↗

TD : Programmation dynamique open ↗

Les feuilles de TD des séances 3 et 4, ainsi que les notebooks, sont en préparation.

Voir aussi la formation Deep Reinforcement Learning que j’ai réalisé en entreprise, sur les mêmes fondamentaux mais orientée mise en pratique avec Stable-Baselines3 et Gym.

Électif de robotique

Mon, 01 Jan 0001 00:00:00 +0000

Je conçois l’électif de CentraleSupélec Robotics Systems, from Motion to Embodied AI, dispensé à partir d’avril 2027.

Il couvrira la cinématique, le modèle dynamique, la planification de trajectoire et le contrôle en couple ; puis la locomotion biomimétique ou apprise, l’apprentissage et les garanties formelles ; et se termine par un projet Python sous MuJoCo.

Les supports de cours seront publiés ici une fois le cours commencé.

Suivi de projets robotique

Thu, 01 Jan 2026 00:00:00 +0000

Projet robotique - CentraleSupélec

Résumé

Depuis janvier 2026, j’encadre des projets robotique pour les étudiants de CentraleSupélec.