Badania naukowe

W obecnej chwili prowadzimy prace nad następującymi projektami:
  • Autonomiczny samochód wyścigowy w skali 1:10, którego celem jest stworzenie pojazdu mogącego brać udział w wyścigach na torze.
  • Budowa biblioteki w języku Python dla badaczy zajmujących się reinforcement learningiem.
  • Stworzenie interfejsu mózg-komputer opartego o reinforcement learning (we współpracy z Wydziałem Fizyki UW).
  • Badania nad topologią przestrzeni ukrytej w modelach generatywnych. Więcej o projekcie tutaj.
  • Algorytm estymacji wymiarowości rozmaitości danych z pomocą modeli klasy Normalizing Flow. Poster na ICLR 2021 Workshop on GTRL.

Wsparcie społeczności

W ramach rozwoju społeczności AI w Polsce staramy się wspierać ludzi zajmujących się uczeniem maszynowym. Oto kilka przykładów:
  • Już trzykrotnie zostaliśmy partnerem konferencji PL in ML: Polish view on Machine Learning poświęconej osiągnięciom Polaków w dziedzinie uczenia maszynowego.
  • Organizujemy imprezy pod nazwą “Biesiady uczenia maszynowego” służące integracji środowiska skupionego wokół uczenia maszynowego w Polsce.
  • Udzieliliśmy wsparcia merytorycznego pracy inżynierskiej Pana Mirosława Bartołda pod tytułem “Wykorzystanie sieci LSTM do rozpoznania znaków języka migowego”. Celem rozprawy było opracowanie algorytmu rozpoznającego znaki australijskiego języka migowego na podstawie sygnałów z rękawicy z zamontowanymi czujnikami położenia ręki i jej poszczególnych części. Powstał też artykuł oparty i rozwijający tematy poruszane w pracy.
  • Konsultowaliśmy pracę “Error-potential based reinforcement learning in brain-computer interfaces” Pana Macieja Śliwowskiego pod kątem modeli ML oraz RL. Praca maiała na celu stworzenie modelu, który na podstawie sygnału bioelektrycznej czynności mózgu (EEG) będzie wykrywać potencjały błędu, a następnie wykorzystać go jako informację dla interfejsu mózg-komputer, czy podjęta przez niego decyzja o ruchu (lub innej czynności) była poprawna. Pozwoli to na kalibrację i nauczanie algorytmu mogącego usprawnić komunikację i poruszanie się osób niepełnosprawnych.
  • Wspieramy prace nad magisterką Pana Bartosza Topolskiego pod tytułem “Klasyfikacja wyrazów mimicznych na podstawie obrazów”. Celem pracy jest stworzenie algorytmu klasyfikującego podstawowych emocji (na przykład smutek, radość, gniew) na podstawie zdjęć twarzy. Dodatkowym bonusem będzie detekcja real-time na podstawie obrazu wideo. Głównym narzędziem używanym w pracy są sieci konwolucyjne.
  • Udzieliliśmy mocy obliczeniowej naszego superkomputera GUŚLARZ 9000 oraz pomogliśmy przy opracowywaniu architektury sieci Panu Krzysztofowi Leszczyńskiemu. Praca nosi tytuł "Seizure prediction model reusable for new patients" i miała na celu stworzenie modelu predykcyjnego do przewidywania ataków padaczki i przetestowanie różnych metod ujednolicania kanałów EEG pod względem skuteczności modelu na zbiorze nowych pacjentów (tj. pacjentach, na których nie był testowany). Metody ujednolicania kanałów użyte w pracy: 10 20 EEG system; wybieranie kanałów o największej wariancji; użycie autoencodera do ujednolicania kanałów.