Úvod do umělé inteligence | Umělá inteligence I | Umělá inteligence II

Seminář z umělé inteligence I a II
0/2 Zk

Roman Barták, KTIML

Témata  |  Seminář  |  Zápočet  |  Kontakt

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.
Témata:

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:

  1. Multi-Agent Pathfinding: Definitions, Variants, and Benchmark [paper]
  2. Finding Optimal Solutions to Cooperative Pathfinding Problems [paper]
  3. Conflict-Based Search For Optimal Multi-Agent Path Finding [paper]
  4. On SAT-Based Approaches for Multi-Agent Path Finding with the Sum-of-Costs Objective [paper]
  5. Scalable Rail Planning and Replanning: Winning the 2020 Flatland Challenge [paper]
  6. Lifelong Multi-Agent Path Finding in Large-Scale Warehouses [paper]
  7. Autonomous and Semi-Autonomous Intersection Management: A Survey [paper]
  8. Multi-Agent Pathfinding with Real-Time Heuristic Search [paper]
  9. PRIMAL: Pathfinding via Reinforcement and Imitation Multi-Agent Learning [paper]
  10. Branch-and-Cut-and-Price for Multi-Agent Pathfinding [paper]
  11. Cooperative Multi-Robot Navigation in Dynamic Environment with Deep Reinforcement Learning [paper]
  12. Trajectory Planning for Quadrotor Swarms [paper]
  13. Decentralized Path Planning for Multi-Agent Teams in Complex Environments using Rapidly-exploring Random Trees [paper]
  14. Efficient path planning for UAV formation via comprehensively improved particle swarm [paper]
  15. Robust Multi-Agent Path Finding and Executing [paper]
  16. Online Multi-Agent Pathfinding [paper]
  17. Multi-agent path finding on real robots [paper]
  18. A Scheduling-Based Approach to Multi-Agent Path Finding with Weighted and Capacitated Arcs [paper]
  19. Safe Multi-Agent Pathfinding with Time Uncertainty [paper]
16.02. 2022 Kick-off meeting  
23.02. 2022 Introduction to Multi-Agent Pathfinding  
02.03. 2022 Jiří Krejčí: Conflict-Based Search For Optimal Multi-Agent Path Finding (3)
09.03. 2022

Radovan Tomala: Efficient path planning for UAV formation via comprehensively improved particle swarm (14)
16.03. 2022 Gabriela Suchopárová: Cooperative Multi-Robot Navigation in Dynamic Environment with Deep Reinforcement Learning (11)                   
23.03. 2022 canceled  
30.03. 2022

Renáta Pivodová: PRIMAL: Pathfinding via Reinforcement and Imitation Multi-Agent Learning (9)
06.04. 2022 František Dostál: Robust Multi-Agent Path Finding and Executing (15)
13.04. 2022 Tomáš Čelko: Trajectory Planning for Quadrotor Swarms (12)
20.04. 2022

Martin Bakoš: Multi-Agent Pathfinding with Real-Time Heuristic Search (8)
27.04. 2022 Rem Lohinov: Lifelong Multi-Agent Path Finding in Large-Scale Warehouses (6)
  
04.05. 2022 Jakub Mestek: Safe Multi-Agent Pathfinding with Time Uncertainty (19)
11.05. 2022 Rektorský den  
18.05. 2022 Matouš Mařík: On SAT-Based Approaches for Multi-Agent Path Finding with the Sum-of-Costs Objective (4) 
Zápočet : 

Zápočet je udělen za aktivní přístup k semináři. Přesná charakteristika "aktivního přístupu" bude určena vždy na začátku semestru podle konkrétní podoby semináře
Kontakt:
 

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