|
Seminář
z umělé inteligence I a II
0/2 Zk
Roman
Barták, KTIML
Výběrový
referativní seminář o umělé inteligenci (UI) věnovaný aktuálním tématům a trendům umělé inteligence. Referovaná témata rozšiřují
látku probíranou v základním kurzu umělé inteligence. Vhodné pro všechny
studenty se zájmem o danou problematiku. Možnost čerpat náměty
pro bakalářské a diplomové práce i pro softwarové projekty.
The past seminars can be found at the following page.
|
Probíraná
témata mohou čerpat z následujícího seznamu:
- řešení
úloh, prohledávání, řešení her, omezující podmínky, logika, reprezentace
znalostí, plánování
- neurčitost,
rozhodování za nejistoty, učení, zpracování přirozeného jazyka, neuronové
sítě, strojové učení
- robotika,
počítačové vidění, multi-agentní systémy, UI v kosmu, UI a armáda,
filozofické pojetí UI
- význačné osobnosti UI (Turing, McCarty, Minski, Newell, ..) a jejich konkrétním přínos
- klíčových projekty v historii UI (Shakey, DeepBlue, Watson, Grand Challenge, Robocup, ...)
- ...
Další
zdroje lze hledat na hlavních konferencích o umělé inteligenci AAAI
a IJCAI, případně
na stránkách předchozích
ročníků semináře.
V roce 2015 je možno (z fakutních počítačů) přistupovat na PDF všech knih ze série Synthesis Lectures on Artificial Intelligence and Machine Learning vydavatelství Morgan & Claypool Publishers.
|
|
Seminar LS 2021/2022 (NAIL052):
Středa (Wednesday)
12:20 - 13:50, lecture room S10 (Malá Strana, 1st floor) |
|
Seminar will run in Czech (English on demand) and it will be organized as a series of presentations of research papers followed by Q&A and evaluation of each presentation. There is also a classroom in Microsoft Teams for asynchronous discusions.
We will focus on coordination of multiple agents, such as multi-agent pathfinding. This is a list of papes to select from; students can also bring own papers, but they must be approved by the teacher:
- Multi-Agent Pathfinding: Definitions, Variants, and Benchmark [paper]
- Finding Optimal Solutions to Cooperative Pathfinding Problems [paper]
- Conflict-Based Search For Optimal Multi-Agent Path Finding [paper]
- On SAT-Based Approaches for Multi-Agent Path Finding with the Sum-of-Costs Objective [paper]
- Scalable Rail Planning and Replanning: Winning the 2020 Flatland Challenge [paper]
- Lifelong Multi-Agent Path Finding in Large-Scale Warehouses [paper]
- Autonomous and Semi-Autonomous Intersection Management: A Survey [paper]
- Multi-Agent Pathfinding with Real-Time Heuristic Search [paper]
- PRIMAL: Pathfinding via Reinforcement and Imitation Multi-Agent Learning [paper]
- Branch-and-Cut-and-Price for Multi-Agent Pathfinding [paper]
- Cooperative Multi-Robot Navigation in Dynamic Environment with Deep Reinforcement Learning [paper]
- Trajectory Planning for Quadrotor Swarms [paper]
- Decentralized Path Planning for Multi-Agent Teams in Complex Environments using Rapidly-exploring Random Trees [paper]
- Efficient path planning for UAV formation via comprehensively improved particle swarm [paper]
- Robust Multi-Agent Path Finding and Executing [paper]
- Online Multi-Agent Pathfinding [paper]
- Multi-agent path finding on real robots [paper]
- A Scheduling-Based Approach to Multi-Agent Path Finding with Weighted and Capacitated Arcs [paper]
- Safe Multi-Agent Pathfinding with Time Uncertainty [paper]
|
Zápočet
je udělen za aktivní přístup k semináři. Přesná charakteristika "aktivního přístupu" bude určena vždy na začátku semestru podle konkrétní podoby semináře
|
|
prof.
RNDr. Roman Barták, Ph.D.
Katedra teoretické informatiky a matematické logiky
Matematicko-fyzikální fakulta Univerzity Karlovy
Malostranské nám. 2/25, 118 00 Praha 1
Czech Republic
e-mail:
bartak (AT) ktiml.mff.cuni.cz
tel: +420 951 554 242
|
|
|