Claire Tomlin, UC Berkeley
27 mai 2022
Una dintre cele mai mari provocări în proiectarea sistemelor autonome este de a anticipa în mod eficient ce vor face alți agenți. Seturile accesibile calculate folosind formulări dinamice de joc pot fi folosite pentru a caracteriza stările și manevrele sigure, dar acestea s-au bazat de obicei pe presupunerea că alți agenți își întreprind acțiunile cele mai nesigure. În această discuție, explorăm modul în care această ipoteză din cel mai rău caz poate fi relaxată. Prezentăm atât rezultatele de planificare a mișcării teoretice de joc care utilizează strategii de echilibru Nash cu feedback, cât și modele comportamentale cu parametri învățați în timp real, pentru a reprezenta interacțiunea dintre agenți. Demonstrăm rezultatele noastre atât la simulări, cât și la experimente robotice ale mai multor scenarii de vehicule.
Mai multe despre vorbitor: https://people.eecs.berkeley.edu/~tomlin/
Aflați mai multe despre programul de absolvenți în robotică și sisteme autonome de la Stanford: https://online.stanford.edu/programs/robotics-and-autonomous-systems-graduate-program
Cursuri interesante:
- Interviu al Facultății Stanford: Certificat de absolvent în Robotică și Sisteme autonome
- Seminar Stanford – Autonomie interactivă: O abordare centrată pe om pentru interacțiuni sigure
- Prezentare generală a cursului: Vehicule hibride și electrice | Stanford Online
- Seminar web Stanford – Construirea de sisteme autonome sigure și fiabile
- Seminar Stanford – Regândirea limitei AI-UX pentru proiectarea experiențelor uman-AI
- Seminar Stanford – Modernizarea industriei de transport maritim
- Seminar de la Stanford: Conducere autonomă, am ajuns încă? – Tehnologie, afaceri, considerente juridice
- Seminar Stanford – Control sigur și robust bazat pe percepție
- Vechi și ciudat: arhea, bacterii și protisti – Curs intensiv de biologie #35
- Stanford CS25: V3 I Rețetă pentru formarea de chatbot utili