Na próxima sexta-feira, 11, às 10 horas, na sala 2077 do ICEx, como parte dos Seminários Avançados da Pós-graduação, o professor da VinUniversity, no Vietnã, Leandro Soriano Marcolino, irá ministrar a palestra “Novas Técnicas para Tomadas de Decisão Autônoma”. O evento é gratuito e aberto ao público, sem necessidade de inscrição prévia.
Resumo:
Algoritmos de tomadas de decisão (planejamento) são essenciais para o desenvolvimento de agentes autônomos (por exemplo, robôs). Técnicas baseadas em amostragem e aprendizado por reforço, como as árvores de busca de Monte Carlo, tem levado a excelentes resultados na literatura, incluindo jogadores super-humanos em jogos de tabuleiro, como o Go. Nesta palestra vamos falar de 2 trabalhos desenvolvidos no nosso laboratório baseados nessas árvores de busca. No primeiro trabalho, apresentamos um método Bayesiano para identificar adversários em times de agentes, permitindo um melhor trabalho em grupo na presença de possíveis agentes adversariais. No segundo trabalho, apresentamos uma inovação no método de busca tradicional, onde usamos a entropia das possíveis observações futuras para guiar o planejamento do agente, permitindo melhores tomadas de decisão mesmo em problemas difíceis, com recompensas escassas. Desenvolvemos também uma extensão do IsaacLab para planejamento em tempo de execução, chamada IL4OP. Usando nosso framework, realizamos experimentos no problema de inspeção com robôs quadrúpedes, uma importante tarefa para robôs autônomos.
Biografia:
Leandro Soriano Marcolino foi ex-aluno do DCC, e atualmente é professor no Vietnã, na VinUniversity. Ele também foi professor na Inglaterra, na Lancaster University, onde mantêm um título de pesquisador visitante. Ele obteve seu título de doutorado pela University of Southern California (USC), sob orientação de Milind Tambe, e concluiu seu mestrado no Japão, com a competitiva bolsa Monbukagakusho. Publicou mais de 80 artigos em diversas conferências e periódicos de destaque nas áreas de inteligência artificial, robótica e aprendizado de máquina, como AAAI, AAMAS, IJCAI, CVPR, NeurIPS, ICRA e IROS. Recebeu os prêmios de melhor tese e de melhor assistente de pesquisa do Departamento de Ciência da Computação da USC, teve um artigo indicado ao prêmio de melhor artigo na principal conferência da área de sistemas multiagentes, a AAMAS, e seu trabalho de graduação foi selecionado como o melhor do país pela Sociedade Brasileira de Computação.
Leandro orientou a formação de 10 estudantes de doutorado, que atualmente trabalham em diversas instituições de destaque em todo o mundo, como Google, University of Southampton, Universidade de São Paulo, University of California, Santa Cruz, entre outras. Ele atua como revisor de diversos eventos importantes nas áreas de inteligência artificial e aprendizado de máquina, ocupando também posições de destaque, como Area Chair e membro sênior do comitê de programa (Senior PC Member) do IJCAI e do AAMAS. Sua principal área de especialização são os sistemas baseados em agentes, abrangendo trabalho em equipe multiagente, aprendizado de máquina e robótica, com ênfase em coordenação e colaboração. Leandro desenvolveu pesquisas em uma ampla variedade de domínios, como robótica, visão computacional, Go, videogames, redes sociais, bioinformática e até mesmo projeto arquitetônico. Além disso, publicou três livros literários: um romance, um livro de contos e uma introdução ao jogo de Go voltada para crianças.
