Glen Berseth
La nomination
Titulaire de chaire en IA Canada-CIFAR
Stratégie pancanadienne en matière d’IA
À Propos
Titulaire de chaire en IA Canada-CIFAR – Nouveau mandat – 2021
Glen Berseth est professeur adjoint à l’Université de Montréal, membre principal du corps professoral de Mila, l’Institut québécois d’intelligence artificielle, titulaire de chaire en IA Canad-CIFAR et codirecteur du laboratoire Robotics and Embodied AI. Ses recherches actuelles portent sur l’apprentissage automatique et la résolution de problèmes de prise de décision séquentielle dans le monde réel (planification/apprentissage par renforcement), comme la robotique, la découverte scientifique et la technologie propre adaptative. Ses recherches ont porté plus particulièrement sur la collaboration homme-robot, la généralisation, l’apprentissage par renforcement, l’apprentissage continu, le métaapprentissage, l’apprentissage multiagents et l’apprentissage hiérarchique. M. Berseth a publié des articles dans les meilleurs forums sur la robotique, l’apprentissage automatique et l’animation par ordinateur. Il donne également des cours sur la science des données et l’apprentissage des robots à l’Université de Montréal et à Mila, couvrant les recherches les plus récentes concernant les techniques d’apprentissage automatique pour la création d’agents généralistes. Il a également créé une nouvelle conférence consacrée à la recherche sur l’apprentissage par renforcement.
Prix
- Lecteur expert, Conférence internationale sur l'apprentissage par représentation, 2023
- Finaliste pour le prix décerné au meilleur article lié à la recherche sur la RoboCup présenté lors de la conférence IROS, 2022
- Finaliste pour le prix du meilleur article portant sur l'infographie et les applications décerné par l’IEEE, 2021
- Présentation orale (parmi les premiers 1,8 % des candidatures), ICLR, 2021
- Bourse postdoctorale (refusée), IVADO, 2019
- Bourse d’études supérieures, CRSNG, 2016
- Meilleur article court, CASA, 2015
- 1re place pour la conception et la réalisation d’un prototype de rover martien, Mars Society, 2012
Publications Pertinentes
- Trabucco, B., Phielipp, M. et G. Berseth. AnyMorph: Learning Transferable Polices By Inferring Agent Morphology, publié dans le cadre de la Conférence internationale sur l’apprentissage automatique, 2022.
- Berseth, G., Geng, D., Devin, C.M., Rhinehart, N., Finn, C., Jayaraman, D., Levine, S. (2021). « SMiRL: Surprise Minimizing Reinforcement Learning in Unstable Environments », International Conference on Learning Representations.
- Raj Ghugare, Matthieu Geist, Benjamin Eysenbach et Glen Berseth. Closing the gap between TD learning and supervised learning – a generalisation point of view. publié dans le cadre de la 12e Conférence internationale sur l’apprentissage par représentation, 2024. URL : https://openreview.net/forum?id=qg5JENs0N4
- Donghyeon Kim, Glen Berseth, Mathew Schwartz et Jaeheung Park. Torque-based deep reinforcement learning for task-and-robot agnostic learning on bipedal robots using sim-to-real transfer. IEEE Robotics and Automation Letters, pages 1–8, 2023. ISSN 2377-3766. doi: 10.1109/LRA.2023.3304561
- Glen Berseth, Florian Golemo et Christopher Pal. Towards learning to imitate from a single video demonstration. J. Mach. Learn. Res., 24(78):1–26, 2023. URL : https://www.jmlr.org/papers/v24/21-1174.html
- Siddarth Venkatraman, Shivesh Khaitan, Ravi Tej Akella, John Dolan, Jeff Schneider et Glen Berseth. Reasoning with latent diffusion in offline reinforcement learning. publié dans le cadre de la 12e Conférence internationale sur l’apprentissage par représentation, 2024. URL : https://openreview.net/forum?id=tGQirjzddO