Suis nous sur
Patrick Pilarski-BW_F

Patrick M. Pilarski

Titre

  • Titulaire de chaire en IA Canada-CIFAR
  • Stratégie pancanadienne en matière d’IA

Profil

Website

À Propos

Patrick Pilarski s’intéresse à l’apprentissage par renforcement, à l’apprentissage automatique en temps réel, aux interactions humain-machine, aux technologies de réadaptation et à la robotique assistée. Il dirige le programme sur les prothèses adaptatives de l’Amii, une initiative interdisciplinaire visant à créer des membres artificiels intelligents pour restaurer et améliorer les capacités des personnes amputées. Dans le cadre de cette recherche, il explore de nouvelles techniques d’apprentissage automatique pour le contrôle et la prédiction sensorimotrice, y compris des méthodes d’interaction et de communication entre l’humain et l’appareil, l’adaptation du contrôle à long terme et l’optimisation des appareils adaptés aux patients. Il a également été le pionnier des techniques de dépistage rapide du cancer et des agents pathogènes grâce à ses travaux sur la reconnaissance des modèles biomédicaux, la micromanipulation robotisée d’échantillons médicaux et les appareils de diagnostic portables.

Prix

  • Chaire de recherche du Canada en intelligence artificielle et réadaptation, 2016
  • Membre senior, IEEE, 2016

Publications Pertinentes

  • J. Günther et coll. « Examining the Use of Temporal-Difference Incremental Delta-Bar-Delta for Real-World Predictive Knowledge Architectures », Frontiers in Robotics and AI, 7(34), 2020. doi: 10.3389/frobt.2020.00034
  • L. Edwards et coll. « Application of Real-time Machine Learning to Myoelectric Prosthesis Control: A Case Series in Adaptive Switching », Prosthetics & Orthotics International, 40(5):573-581, 2016. doi: 10.1177/0309364615605373
  • J. Günther et coll. « Intelligent Laser Welding through Representation, Prediction, and Control Learning: An Architecture with Deep Neural Networks and Reinforcement Learning », Mechatronics, 34:1-11, mars 2016.
  • P.M. Pilarski et coll. « Adaptive Artificial Limbs: A Real-Time Approach to Prediction and Anticipation », IEEE Robotics & Automation Magazine, 20(1):53-64, mars 2013.
  • P.M. Pilarski et coll. « Online Human Training of a Myoelectric Prosthesis Controller via Actor-Critic Reinforcement Learning », Proceedings of the 2011 IEEE International Conference on Rehabilitation Robotics (ICORR 2011), p. 134-140, 2011.

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