Badania naukowe

W obecnej chwili prowadzimy prace nad dwoma projektami:
  • Reinforcement learning w grach komputerowych.
  • Autonomiczny samochód wyścigowy, którego celem jest stworzenie pojazdu mogącego brać udział w wyścigach na torze.

Wsparcie społeczności

W ramach rozwoju społeczności AI w Polsce staramy się wspierać ludzi zajmujących się uczeniem maszynowym. Oto kilka przykładów:
  • 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 przy budowie sieci neuronowej w pracy inżynierskiej Pana Mirosława z Legionowa pod tytułem “Wykorzystanie sieci LSTM do rozpoznania znaków języka migowego”. Celem pracy 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.
  • Konsultujemy pracę magisterską Pana Macieja z Białołęki o tytule ““Error-potential based reinforcement learning in brain-computer interfaces”. Praca ma 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 z warszawskich Bielan 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.
  • Udzielamy mocy obliczeniowej naszego superkomputera GUŚLARZ 9000 oraz pomagamy przy opracowywaniu architektury sieci Panu Krzysztofowi z Suwałk. Praca nosi tytuł "Seizure prediction model reusable for new patients" i ma na celu stworzenie modelu machine learningowego 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.