Preskočiť na hlavný obsah
SK

Doména gov.sk je oficiálna

Toto je oficiálna webová stránka orgánu verejnej moci Slovenskej republiky. Oficiálne stránky využívajú najmä doménu gov.sk. Odkazy na jednotlivé webové sídla orgánov verejnej moci nájdete na tomto odkaze.

Táto stránka je zabezpečená

Buďte pozorní a vždy sa uistite, že zdieľate informácie iba cez zabezpečenú webovú stránku verejnej správy SR. Zabezpečená stránka vždy začína https:// pred názvom domény webového sídla.

Táto stránka je vo vývoji. Napíšte nám váš postreh.

  1. Domov
  2. Podporené projekty
  3. Adapting on the Edge: Enhancing Autonomous Mobility through Edge Cases and Domain Generalization

Adapting on the Edge: Enhancing Autonomous Mobility through Edge Cases and Domain Generalization

VýzvaŠtipendiá pre excelentných výskumníkov a výskumníčky R2-R4
Hlavný riešiteľEugen Šlapak
PrijímateľTechnická univerzita v Košiciach
Celkový rozpočet148 306,80 €
Príspevok poskytovateľa148 306,80 €
Zdroj financovaniaPlán obnovy a odolnosti
Začiatok realizácieseptember 2024
Koniec realizácieaugust 2026
Kategória výskumníkaR2
Vedná oblasťFyzikálne, technické vedy a matematika

Anotácia

Autonómna mobilita je sľubná technológia, ktorá môže priniesť transformačné zmeny v rôznych aspektoch spoločnosti, technológie a ekonomiky. Jednou z hlavných výziev, ktorá bráni jej rozšírenému prijatiu a nasadeniu, je však výskyt okrajových prípadov. Ide o zriedkavé, neočakávané a zložité situácie, ktoré sú príliš početné na to, aby sa dali rozsiahlo simulovať pre tréning algoritmov strojového učenia a vyžadujú si uvažovanie podobné ľudskému, rozsiahle počiatočné znalosti agenta a schopnosti rozhodovania. Tento projekt si kladie za cieľ vyvinúť a otestovať nové metódy pre riešenie zriedkavých okrajových prípadov v autonómnej mobilite pomocou veľkého jazykového modelu (LLM – z angl. large language model) úzko integrovaného so strojovým učením posilňovaním (RL – z angl. reinforcement learning). Projekt integruje LLM a RL moduly do jedného agenta, ktorý bude schopný uvažovať o súčasnom a budúcom stave prostredia, akciách a zámeroch ostatných agentov a optimálnych stratégiách pre bezpečnú a efektívnu jazdu. Bude sa tiež zaoberať výzvami ako sú tzv. halucinácie LLM, predikcia budúceho stavu prostredia, učenie agenta sledovaním a interakciou s človekom, nasadenie LLM na 5G okrajovom serveri a komunikácia s ostatnými agentmi a ľuďmi. V rámci projektu bude hodnotený výkon a robustnosť navrhovaných metód v rôznych simulovaných scenároch, pričom sa bude zameriavať najmä na zriedkavé okrajové prípady, ktoré sú ťažko zvládnuteľné existujúcimi prístupmi. Prezentovaný projekt má potenciál významne prispieť k pokroku a inováciám v oblastiach autonómnej mobility a strojového učenia