Jason (Xue Bin) Peng
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 – 2026
Les travaux de Xue Bin visent à développer des méthodes d’apprentissage automatique permettant à des agents artificiels de reproduire les capacités motrices des êtres humains et des animaux, notamment en infographie et en robotique. Xue Bin a mis au point des méthodes d’imitation du mouvement permettant à des personnages fictifs et à des robots réels de reproduire une grande diversité de comportements humains allant d’activités quotidiennes, comme la marche et la course, à la pratique de sports de haut niveau, comme l’acrobatie et les arts martiaux. Il a également développé des méthodes de transfert du virtuel au réel (sim-to-real) afin de transposer, chez des robots, les techniques mises au point en simulation et de déployer des contrôleurs entraînés en simulation dans des environnements concrets.
Prix
- Prix d’excellence pour les chercheuses et chercheurs en début de carrière, CHCCS/SCDHM Graphics Interface (2024)
- Prix ACM SIGGRAPH de la meilleure thèse de doctorat, ACM (2022)
- Prix du meilleur article, Robotics : Science and Systems (2020)
- Bourse d’études supérieures – programme de doctorat, CRSNG (2017)
- Médaille d’or du gouverneur général, gouverneur général du Canada (2017)
Publications Pertinentes
- Peng, X. B., Guo, Y., Halper, L., Levine, S. et Fidler, S. (2022), « ASE : Large-Scale Reusable Adversarial Skill Embeddings for Physically Simulated Characters », ACM Transactions on Graphics.
- Peng, X. B., Ma, Z., Abbeel, P., Levine, S. et Kanazawa, A. (2021), « AMP : Adversarial Motion Priors for Stylized Physics-Based Character Control », ACM Transactions on Graphics.
- Peng, X. B., Coumans, E., Zhang, T., Lee, T. W., Tan, J., Levine, S. (2020), « Learning Agile Robotic Locomotion Skills by Imitating Animals », Robotics: Science and Systems.
- Peng, X. B., Abbeel, P., Levine, S. et van de Panne, M. (2018), « DeepMimic: Example-Guided Deep Reinforcement Learning of Physics-Based Character Skills », ACM Transactions on Graphics.
- Peng, X. B., Andrychowicz, M., Zaremba, W. et Abbeel, P. (2018), « Sim-to-Real Transfer of Robotic Control with Dynamics Randomization », IEEE International Conference on Robotics and Automation.