
Warsztaty AAAI-27 na temat usług mobilności agentów skoncentrowanych na człowieku
Opis
O warsztacie AAAI-27 dotyczącym usług mobilności zorientowanej na człowieka
Warsztat AAAI-27 dotyczący usług mobilności zorientowanej na człowieka to skoncentrowane, jednodniowe wydarzenie odbywające się w Montrealu w Kanadzie. Warsztat ten gromadzi ekspertów z dziedzin agentów AI, autonomicznego prowadzenia, transportu i interakcji człowiek-AI, aby wspólnie zbadać wymagania dotyczące agentowych systemów AI. Systemy te muszą działać niezawodnie, współpracująco i odpowiedzialnie w ramach transportu ludzi i towarów. Stanowi platformę do omawiania zaawansowanych tematów dotyczących roli agentowego AI w usługach mobilności i technologiach transportowych.
Dla kogo jest warsztat AAAI-27 dotyczący usług mobilności zorientowanej na człowieka?
Warsztat ten jest szczególnie odpowiedni dla profesjonalistów i badaczy zaangażowanych w AI, autonomiczne prowadzenie, technologię transportu oraz interakcję człowiek-AI. Jest również istotny dla tych, którzy interesują się systemami wielu agentów, etyką AI i bezpiecznym wdrożeniem AI w infrastrukturze transportowej.
O czym jest warsztat AAAI-27 dotyczący usług mobilności zorientowanej na człowieka?
Kluczowe tematy
• Agentowe AI w systemach transportowych
• Niezawodność i odpowiedzialność agentów AI
• Interakcja człowiek-AI w usługach mobilności
• Technologie autonomicznego prowadzenia
• Bezpieczeństwo i wiarygodność systemów AI
• Uczenie się z wzmocnieniem i systemy wielu agentów
Czego możesz się spodziewać?
Na tym wydarzeniu uczestnicy mogą oczekiwać ciekawego programu, który obejmuje dogłębne analizy aktualnych wyzwań i postępów w rozwiązaniach transportowych napędzanych przez AI. Uczestnicy usłyszą od szeregu mówców posiadających ekspertyzy w analizie danych spatio-temporalnych, uczeniu się z wzmocnieniem, systemach wielu agentów, interakcji człowiek-robot i etyce AI. Program trwa od 8:45 do 17:30, oferując wiele możliwości wymiany wiedzy i nawiązywania kontaktów.
Dlaczego warto rozważyć uczestnictwo?
Warsztat AAAI-27 dotyczący usług mobilności zorientowanej na człowieka może być szczególnie korzystny dla tych, którzy chcą zdobyć spostrzeżenia od czołowych postaci takich jak Flora Salim, Peter Stone i inni, którzy są na czołowej pozycji w badaniach AI dotyczących usług mobilności. Angażowanie się w dyskusje na temat etyki i bezpieczeństwa AI w transporcie również może oferować cenne perspektywy dla profesjonalistów zmagających się z podobnymi wyzwaniami w swojej pracy.
Rzeczy do rozważenia przed uczestnictwem
To wydarzenie odbywa się osobiście w Montrealu w Kanadzie, co wymaga obecności na miejscu. Warsztat jest zaplanowany na jeden pełny dzień, od 8:45 do 17:30, zgodnie z czasem standardowym wschodnim (strefa czasowa America/Toronto). Choć nie wspomniano o opłatach za wstęp, uczestnicy powinni potwierdzić szczegóły poprzez oficjalny link podany.
Agenda
Uwagi wstępne
Sesja I (pojazdy agentowe i usługi w kabinie)
Zaproszone wykłady 1 i 2 z pytaniami i odpowiedziami oraz tematyczne oświetlenia
Kawa i Sesja Plakatowa A
Sesja II (floty agentowe, transport i ruch drogowy)
Zaproszone wykłady 3 i 4 z pytaniami i odpowiedziami oraz tematyczne oświetlenia
Poznaj prelegentów

Peter Stone
University of Texas at Austin
Jian Tang
Canada CIFAR AI Chair with research on graph machine learning and foundation models.

Flora Salim
Research on foundation models for spatio-temporal data in transport.

Tianyu Shi
Research on multi-agent reinforcement learning for intelligent transportation.

Raphaël Frank
Associate Professor and Chief Scientist at SnT, and head of the 360Lab.

Lu Feng
Research on safety and trustworthiness of embodied AI systems.

Aditya Mahajan
Research on stochastic control and reinforcement learning.

AJung Moon
Research on human-robot interaction and AI ethics.

Hai Yang
Chair Professor and Editor-in-Chief of Transportation Research Part B.
Lokalizacja wydarzenia
Daj swojej sieci znać, że idziesz
Udostępnij to wydarzenie, aby rozpocząć rozmowy, zaprosić kolegów i nawiązać kontakty przed jego rozpoczęciem.









