Planning under uncertainty in robotics: theory to practice, and serial to parallel

报告人：蔡盼盼博士
报告题目: Planning under uncertainty in robotics: theory to practice, and serial to parallel 
报告时间：2018年5月17日18:00-19:00
地点：工商管理楼4楼会议厅

摘要:
Planning under uncertainty is critical for robust robot performance in uncertain, dynamic 
environments, but it incurs high computational cost. In this talk, I will introduce a principled 
approach to handle uncertainties, partially observable Markov decision process (POMDP), 
and present our state-of-the-art online search algorithm, DESPOT, that have vastly improved 
the computational efficiency of planning under uncertainty and made it a valuable tool for 
robotics in practice. I will also introduce Hybrid Parallel DESPOT (HyP-DESPOT), a 
massively parallel online planning algorithm that integrates CPU and GPU parallelism. In 
HyP-DESPOT, we demonstrate how to achieve near real-time online planning performance 
for challenging robotic tasks, by leveraging parallelization. 

报告人介绍：
蔡盼盼博士2011年毕业于浙江大学数学系应用数学专业，2016年毕业于新加坡南洋理工学院(NTU)获博士学位，
2017年入职新加坡国立大学(NUS)计算机系，从事研究工作(Research Fellow)。她的研究主要集中在人工智能
和机器人领域。

联系人：王何宇(wangheyu@zju.edu.cn)

欢迎广大师生参加！