인간 중심 자율성을위한 학습 및 통제
초록 :로봇은 제어 된 로봇 중심 환경에 성공적으로 배포되었습니다. 다음 프론티어는 인간을 지원하고 봉사하여 광범위한 사회적 혜택을 창출 할 수있는 오픈 월드의 인간 중심 환경에서 운영 할 수있는 지능형 로봇을 개발하는 데 있습니다. 이 비전을 달성하려면 로봇에만 초점을 맞추는 것부터 복잡한 믹스-자극 시스템 모델링 및 제어에 이르기까지 제어 설계의 패러다임 전환이 필요합니다. 인간을 안전하게 운영하고 모든 개인의 유용성을 효과적으로 서비스 할 수있는 로봇을 만드는 것은 여전히 어려운 일입니다. 이 대화에서 나는 자율 주행에 대한 적용에 중점을 둔 이러한 과제를 해결하기위한 슬롯 사이트를 발표 할 것입니다. 먼저, 인간 데이터의 시너지 효과, 강화 학습 및 모델 예측 제어를 활용하여 모든 개별 사용자의 요구 사항에 맞는 컨트롤러를 합성하기위한 접근 방식을 소개합니다. 둘째, 인간 상호 작용의 표현을 개선하여 데이터 중심의 인간 트래픽 모델의 견고성을 향상시키기위한 노력을 간단히 요약 할 것입니다. 나는 운송 시스템 및 그 너머를 포함한 오픈 월드, 인간 중심 환경에서 로봇의 광범위한 채택을 향한 다음 단계를 간략히 설명 할 것입니다.
Bio :Chen Tang은 UT Austin의 컴퓨터 과학 분야의 박사후 연구원입니다. 그 전에는 UC Berkeley의 기계 공학 분야의 박사후 학자였습니다. 그는 박사 학위를 받았습니다. 2022 년 UC Berkeley의 기계 공학과 2016 년 HKUST에서 기계 공학 학사 학위를 받았습니다. 그는 2022 년에 ASME DSCD Rising Star Awards를 받았으며 2023 년에 RSS 파이오니어 (로봇 공학)로 선정되었습니다. 그의 연구 관심사는 Autsonomous and Robot and Robot의 상호 작용과 함께] Applications of Control, 슬롯 사이트 및 Learning의 상호 작용에 있습니다.