École Nationale Supérieure de
Techniques Avancées

Résumé

Le Multi-Agent Pathfinding (MAPF) est le problème consistant à calculer des trajectoires sans collision pour plusieurs agents évoluant dans un environnement partagé, généralement représenté sous forme de graphe, tout en recherchant une efficacité globale des déplacements. Il a été largement étudié ces dernières années, en raison de son intérêt théorique et de ses applications réelles. Peu d’approches utilisant l’Apprentissage Automatique pour améliorer le calcul de trajectoires dans les problèmes de MAPF ont été développées, en raison de la difficulté liée au manque de différentiabilité des méthodes de recherche de chemins. Ce rapport propose des modèles d’Apprentissage Automatique qui appliquent les pertes de Fenchel-Young afin de permettre l’utilisation de la Descente de Gradient lors de l’apprentissage à partir d’algorithmes de recherche de chemins.