导航 : EXPO21XX> Automation21XX> H05大学机器人学研究得克萨斯大学奥斯汀分校
得克萨斯大学奥斯汀分校
  • 提供配置文件
  • 德州大学奥斯汀计算机科学系人工智能实验室学习代理研究组创建人兼主管

    我对AI研究的主要兴趣是理解我们如何最能创建完全智能代理适应性、交互性与化装饰性是这些代理器的基本适配性因此,我的研究主要侧重于机器学习、多试剂系统以及机器人技术最令人振奋的研究题目 受挑战现实问题启发完全成功研究既包括精确新奇算法,也包括完全实施和严格评价应用
产品组合

  • 研究

  • 应用领域包括机器人足球、自主投标代理器、自主汽车、自动机计算和社会代理器我的长期研究目标是创建完整、强健自主代理器,这些代理器可学习在各种复杂动态环境内与其他智能代理器交互作用

  • 当前项目

    • 强化学习

    • 实验研究的一大部分重点是开发新的增强学习算法,特别侧重于向大规模应用扩展

    • 多代理系统

    • 实验主题之一是研究独立自主代理器(包括机器人)之间的交互作用,无论他们是队友或对手或两者兼有。部分题研究促进并使用博弈理论

    • 机器人足球

    • 实验室使用的主要应用域之一是机器人足球,模拟和实机上都使用多场机器人赛锦标赛

    • 交易代理

    • 另一项主要应用领域是自主交易代理商,包括供应链管理、广告拍卖和机制设计多次交易代理竞赛

    • 自主流量管理

    • 我们引入新颖高效多试机制 未来自主飞行器导航交叉点

    • 自主驾驶

    • 全尺寸自主驱动器 用它学习自主驱动

    • a代理手教 通过评价强化

    • TAMER项目试图创建代理商,用正负反馈信号有效教人行为(类似于动物训练中奖惩法冲刷法)。

    • 机器人视觉

    • 开发算法适合实时视觉感知移动机器人物理世界

  • 以往项目

    • 传输学习

    • 算法从知识从先前学习任务传到相似但不同的新学习任务重点特别放在强化学习任务上

    • 学习机器人步行

    • 使Aibo机器人比以前更快行走

    • 普通游戏游戏

    • 我们成功参加前几场普通游戏比赛

    • 自动计算

    • 开发机器学习方法 计算机系统应用

    • 社会代理

    • 二位完成2007 RoboCup@Home竞赛

    • 开发机器人学

    • 研发方法机器人自主发现模型

    • 预测状态表示

    • 文献中完全通过预测代理未来感知 来表示代理状态因此它不需要明白说明对象

    • 层层学习

    • my Ph.D.论文引入通用层次机学习范式,通过多层交互学习学习复杂任务

    • 规划

    • 首创博士研究学生属于经典AI规划领域部分当前研究落在现代规划调度领域