Mo Chen
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 – 2020
Mo Chen est boursier et titulaire d’une chaire en IA Canada-CIFAR à l’Amii. Il est professeur adjoint à l’École d’informatique de l’Université Simon Fraser. Directeur du laboratoire de systèmes robotiques multi-agents (MARS) de l’Université Simon Fraser, il est un Distal Fellow du Réseau canadien du CRSNG en robotique.
Au laboratoire MARS, les recherches, qui se concentrent sur la prise de décision robotique fondée sur des principes, sont axées sur la combinaison de méthodes analytiques traditionnelles en robotique et de techniques modernes basées sur les données. Le laboratoire aborde les défis théoriques et informatiques de la sécurité robotique et des interactions humain-robot en associant la théorie du contrôle, la vision par ordinateur et l’apprentissage par renforcement. En intégrant les connaissances humaines et la compréhension des systèmes robotiques dans des algorithmes basés sur les données, Mo Chen aspire à rendre les robots plus sûrs et plus intelligents afin de permettre une utilisation plus répandue des systèmes robotiques, notamment dans les voitures autonomes, les véhicules aériens sans pilote et les robots domestiques. Ses recherches interdisciplinaires couvrent les domaines de la théorie du contrôle, de la vérification de la sécurité des robots, de la vision par ordinateur, de l’apprentissage par renforcement et des interactions humain-robot.
Prix
- Présentation orale d’un article à la Conférence sur l’apprentissage en robotique, 2023
- Prix du meilleur article sur la robotique cognitive à la Conférence internationale de l’IEEE sur les robots et les systèmes intelligents, 2022.
- Prix Eli Jury, Université de Californie à Berkeley, 2017
- Prix d’excellence commémoratif Demetri Angelakos, Université de Californie à Berkeley, 2016
Publications Pertinentes
- Xubo Lyu, Hanyang Hu, Seth Siriya, Ye Pu et Mo Chen. « Task-Oriented Koopman-Based Control with Contrastive Encoder ». Publié dans Conférence sur l'apprentissage en robotique, 2023.
- Payam J. Yazdian, Mo Chen et Angelica Lim. « Gesture2vec: Clustering gestures using representation learning methods for co-speech gesture generation ». Publié dans Conférence internationale de l’IEEE sur les robots et les systèmes intelligents. Prix du meilleur article sur la robotique cognitive, 2022.
- Minh Bui, Michael Lu, Reza Hojabr, Mo Chen et Arrvindh Shriraman. « Real-Time Formal Verification of Autonomous Systems With An FPGA ». Publié dans Conférence internationale de l’IEEE sur les robots et les systèmes intelligents, 2021.
- Payam Nikdel, Richard Vaughan et Mo Chen. « LBGP: Learning Based Goal Planning for Autonomous Following in Front ». Publié dans Conférence internationale sur la robotique et l’automatisation, 2021.
- Mo Chen, Sylvia L. Herbert, Haimin Hu, Ye Pu, Jaime F. Fisac, Somil Bansal, SooJean Han et Claire J. Tomlin. « FaSTrack: a Modular Framework for Real-Time Motion Planning and Guaranteed Safe Tracking ». Publié dans Transactions de l’IEEE sur le contrôle automatique, vol. 66, pp. 5861–5876, déc. 2021.
- Anjian Li, Somil Bansal, George Giovanis, Varun Tolani, Claire J. Tomlin et Mo Chen. « Generating Robust Supervision for Learning-Based Visual Navigation Using Hamilton-Jacobi Reachability ». Publié dans Conférence sur l’apprentissage de la dynamique et du contrôle, 2020.