机构名称：
¥ 1.0
我过去的研究集中在自主系统，正式方法和机器学习的交集中的多代理系统协调和控制上。我以前的研究工作的详细信息可在我的简历中获得。作为一名研究人员，我既开发了理论贡献，也开发了大规模硬件实验，证明了该理论的实际实用性。我使用时间逻辑，可验证控制和优化理论的概念在多机器人系统上开发了正式的保证。这项工作使一个大型团队（10至100s）的机器人可以使用线性时间逻辑在传感器覆盖范围和复杂的顺序任务中进行协调。这项工作被扩展为使用一种称为“能力时间逻辑的能力”的新型时间逻辑框架来考虑异质的代理和更复杂的任务。在麻省理工学院合作者的帮助下，该框架还用于部署一支在查尔斯河上具有不同传感器功能的自动船舶船只。除了这项协调工作之外，我开发了用于计算机视觉应用程序的分布式功能匹配的算法，该算法使协调团队可以融合图像数据并执行更有效的循环封闭，以同时本地化和映射问题。这项工作扩展到使用自动编码器神经网络的潜在空间生成的功能。我最近的工作还包括使用神经控制障碍功能为复杂的动力系统开发基于学习的安全保证。这项工作还与麻省理工学院的一位教授合作，并应用于战术飞机系统。我当前的其他工作还探讨了Q-Learning策略的零摄像布尔任务组成，作为为对抗游戏生成实时策略的一种方法（特别是在捕获标志中使用类似选项的框架）。我在使用机器人操作系统（ROS）以及MOOS-IVP中的开发应用方面拥有建造和部署机器人技术硬件（无人机，海洋船只，海底系统和地面车辆）方面的丰富经验。我还领导着研究飞机动态，学习加速的组合优化以及模拟基于学习的感知和控制系统的真实转移的研究计划。我目前通过内部资助与麻省理工学院，波士顿大学，Lehigh University，WPI和BYU以及NASA，DARPA和OSD（R＆E）的赠款保持积极合作。
研究声明
主要关键词
相关文件推荐
