Ufuk Topcu

Combler le fossé entre les modèles intelligents et la prise de décision pratique pour les robots.

Les robots apprennent les objectifs humains grâce à un apprentissage inverse actif pour des interactions plus sûres.

Une nouvelle méthode pour améliorer le transfert de connaissances en apprentissage par renforcement.

Une méthode pour évaluer les sources d'infos fiables sur Reddit.

Examiner la gestion du bruit dans les systèmes de Mobilité Aérienne Urbaine pour le bien des communautés.

Cette étude examine les communautés qui partagent des infos peu crédibles sur les réseaux sociaux.

Une nouvelle approche améliore la façon dont les machines s'adaptent aux environnements changeants.

La recherche explore des stratégies de communication pour améliorer le travail d'équipe entre des agents autonomes et des humains.

Des algorithmes innovants améliorent la sélection de capteurs dans des environnements avec peu de ressources.

Examiner les préférences des joueurs et les équilibres de Nash dans des contextes compétitifs.

Ce papier parle d'améliorer les jumeaux numériques pour une évaluation des risques fiable et une prise de décision efficace.

Découvre comment décomposer les tâches aide les robots à s'entraîner efficacement.

Explorer comment les joueurs peuvent collaborer sans communication verbale.

Un aperçu de comment les modèles o1 planifient des actions et leur performance sur différentes tâches.

Découvre comment le façonnement des récompenses améliore l'efficacité de l'apprentissage par renforcement.