Animesh Garg
La nomination
- Titulaire de chaire en IA Canada-CIFAR
- Stratégie pancanadienne en matière d’IA
À Propos
Animesh Garg est titulaire d’une chaire en IA Canada-CIFAR à l’Institut Vecteur et professeur adjoint à l’Université de Toronto. Il dirige un groupe de recherche sur les gens, l’IA et la robotique (PAIR Lab) à l’Université de Toronto. Il est également chercheur pour NVIDIA dans le domaine de l’apprentissage automatique pour la robotique.
Ses recherches portent sur les algorithmes d’apprentissage automatique dans les domaines de la perception et du contrôle en robotique. Garg souhaite généraliser l’autonomie des robots grâce à un apprentissage automatique pour la prise de décisions séquentielles ayant des conséquences à long terme. Le point central de son travail est la compréhension des représentations et des algorithmes qui permettent de simplifier et de généraliser l’apprentissage des interactions chez les agents autonomes. Il travaille activement sur les applications de la manipulation des robots en robotique industrielle et médicale.
Prix
- Prix du meilleur article, Conférence internationale sur la robotique et l’automatisation, IEEE, 2019
- Finaliste du prix du meilleur article, catégorie Robotique cognitive, Conférence internationale sur la robotique et l’automatisation, IEEE, 2019
- Prix du meilleur article, atelier sur l’apprentissage en robotique, NeurIPS, 2019
- Finaliste du prix meilleur article, catégorie Robotique médicale, Conférence internationale sur la robotique et l’automatisation, IEEE, 2015
Publications Pertinentes
- Fang, K., Zhu, Y., Garg, A., Kurenkov, A., Mehta, V., Fei-Fei, L., Savarese, S. (2020). « Learning task-oriented grasping for tool manipulation from simulated self-supervision », The International Journal of Robotics Research, 39(2-3):202-216.
- Lee, M. A., Zhu, Y., Srinivasan, K., Shah, P., Savarese, S., Fei-Fei, L.,... Bohg, J. (2019). « Making sense of vision and touch: Self-supervised learning of multimodal representations for contact-rich tasks », 2019 International Conference on Robotics and Automation, IEEE, p. 8943-8950.
- Huang, D. A., Nair, S., Xu, D., Zhu, Y., Garg, A., Fei-Fei, L.,... Niebles, J. C. (2019). « Neural task graphs: Generalizing to unseen tasks from a single video demonstration », Proceedings of the 19th IEEE CVF International Conference on Knowledge Discovery and Data Mining, p. 8565-8574.
- Murali, A., Sen, S., Kehoe, B., Garg, A., McFarland, S., Patil, S.,... Goldberg, K. (2015). « Learning by observation for surgical subtasks: Multilateral cutting of 3d viscoelastic and 2d orthotropic tissue phantoms », 2015 International Conference on Learning and Intelligent Optimization, IEEE, p. 1202-1209.
Soutenez-nous
Le CIFAR est un organisme de bienfaisance enregistré qui reçoit le soutien des gouvernements du Canada, de l’Alberta et du Québec, ainsi que de fondations, de donateurs individuels, d’entreprises et de partenaires canadiens et internationaux.
Centre MaRS, tour Ouest
661, avenue University, bureau 505
Toronto (Ontario) M5G 1M1 Canada