Κωνσταντίνος Χαμζάς
O Κωνσταντίνος Χαμζάς είναι επίκουρος καθηγητής στο Τμήμα Ρομποτικής Μηχανικής στο Worcester Polytechnic Institute στις Ηνωμένες Πολιτείες Αμερικής. Απέκτησε το Διδακτορικό του το 2023 από το Τμήμα Επιστήμης Υπολογιστών στο William Marsh Rice University, εργαζόμενος υπό την επίβλεψη των καθηγητών Λυδίας Καβράκη, και Anshumali Shrivastava. Απέκτησε το δίπλωμά του Ηλεκτρολόγου Μηχανικού και Μηχανικού Υπολογιστών από το Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης το 2017. Είναι δικαιούχος της υποτροφίας NSF-GRFP και Future Faculty Fellow από Πανεπιστήμιο Rice. Τα ερευνητικά του ενδιαφέροντα εστιάζουν στην σχεδίαση αλγορίθμων ρομποτικής κίνησης, με έμφαση στον συνδυασμό κλασικών αλγορίθμων με μεθόδους βασισμένες στη μάθηση. Οι τρέχουσες κατευθύνσεις έρευνας του είναι η βελτιωση της ταχύτητας τον αλγορίθμων σχεδιασμού κίνησης, η κίνηση με ανακριβή μοντέλα χώρου, και η σχεδίαση κίνησης από εικόνα. Η εργασία του στο συνδυασμό μηχανικής μάθησης για την βελτίωση της ταχύτητας των αλγορίθμων σχεδιασμού είχε προταθεί για το Βραβείο Καλύτερης Εργασίας στο Cognitive Robotics στο ICRA 2021.
Αλγόριθμοι Σχεδίασης Ρομποτικής Κίνησης και Μηχανική Μάθηση
Η ρομποτική έχει τη δυνατότητα να ενισχύσει τις ανθρώπινες ικανότητες με τρόπους που μπορούν αν μεταμορφώσουν την ανθρώπινη κοινωνία. Η ενσωμάτωση προηγμένων αισθητήρων και μοντέρνων κινητήρων έχει θέσει τη βάση ώστε τα ρομπότ να επιτύχουν αυτές τις ικανότητες, όπως φαίνεται από την παρουσία τους σε εργοστάσια και, σε περιορισμένες περιπτώσεις, σε οικιακά περιβάλλοντα. Ωστόσο, σε μη γνωστά εκ των προτέρων περιβάλλοντα, τα ρομπότ δυσκολεύονται να προσαρμοστούν , να συνεργαστούν με ανθρώπους και να εκτελεσουν πολύπλοκες εγασίες. Σε αυτή την παρουσίαση, θα παρουσιάσω πρόσφατες εξελίξεις προς την κατεύθυνση της εισαγωγής ρομποτ στον πραγματικό κόσμο μέσω της ενσωμάτωσης κλασικών αλγορίθμων κίνησης, με σύγχρονες μεθόδους μηχανικής μάθησης. Μετά από μια εισαγωγή στις βασικές έννοιες των αλγορίθμων σχεδίασης κίνησης για ρομποτικούς βραχίονες, αυτή η ομιλία θα παρουσιάσει (α) πρόσφατα ευρήματα, σχετικά με το πώς οι μέθοδοι μάθησης μπορούν να βελτιώσουν την ταχύτητα των κλασικών αλγορίθμων κίνησης, (β) έρευνα πάνω στην ρομποτική κίνηση με ανακριβείς μοντέλα του χώρου και (γ) έρευνα πάνω στην δημιουργία αλγορίθμων για ρομποτική κίνηση κατευθείαν από εικόνες.
Πίσω στους ομιλητές!