Portrait de Gregory Dudek n'est pas disponible

Gregory Dudek

Membre académique associé
gregory.dudek@mila.quebec
Professeur titulaire et Directeur de recherche du laboratoire de robotique mobile, McGill University
Vice-président et Chef de laboratoire de la recherche du Centre d'intelligence artificielle, Samsung AI Center in Montréal
Google Scholar

Biographie

Gregory Dudek est professeur titulaire au Centre sur les machines intelligentes (CIM) de l’École d’informatique et directeur de recherche du Laboratoire de robotique mobile de l’Université McGill. Il est également chef de laboratoire et vice-président de la recherche du Centre d’intelligence artificielle de Samsung à Montréal. Gregory est également un membre académique associé à Mila - Institut québécois d'intelligence artificielle.

Il a écrit, seul ou en collaboration, plus de 300 articles de recherche sur des sujets tels que la description et la reconnaissance d’objets visuels, la localisation de radiofréquences (RF), la navigation et la cartographie robotiques, la conception de systèmes distribués, les télécommunications 5G et la perception biologique. Il a notamment publié le livre Computational Principles of Mobile Robotics, en collaboration avec Michael Jenkin, aux éditions Cambridge University Press. Il a présidé ou a contribué à de nombreuses conférences et activités professionnelles nationales et internationales dans les domaines de la robotique, de la détection par machine et de la vision par ordinateur. Ses recherches portent sur la perception pour la robotique mobile, la navigation et l’estimation de la position, la modélisation de l’environnement et des formes, la vision informatique et le filtrage collaboratif.

Étudiants actuels

Farnoosh Faraji
Doctorat - McGill
Superviseur⋅e principal⋅e :
David Meger
farnoosh.faraji@mila.quebec
Github
Google Scholar
Steve Wen
Maîtrise recherche - McGill
Superviseur⋅e principal⋅e :
Doina Precup
steve.wen@mila.quebec

Publications

Semantic Mapping for View-Invariant Relocalization.
Jimmy Li
David Meger
Gregory Dudek
We propose a system for visual simultaneous localization and mapping (SLAM) that combines traditional local appearance-based features with s… (voir plus)emantically meaningful object landmarks to achieve both accurate local tracking and highly view-invariant object-driven relocalization. Our mapping process uses a sampling-based approach to efficiently infer the 3D pose of object landmarks from 2D bounding box object detections. These 3D landmarks then serve as a view-invariant representation which we leverage to achieve camera relocalization even when the viewing angle changes by more than 125 degrees. This level of view-invariance cannot be attained by local appearance-based features (e.g. SIFT) since the same set of surfaces are not even visible when the viewpoint changes significantly. Our experiments show that even when existing methods fail completely for viewpoint changes of more than 70 degrees, our method continues to achieve a relocalization rate of around 90%, with a mean rotational error of around 8 degrees.
2019-05-19
2019 International Conference on Robotics and Automation (ICRA) (publié)
doi.org
Planning in Dynamic Environments with Conditional Autoregressive Models
Johanna Hansen
Kyle Kastner
Aaron Courville
Gregory Dudek
We demonstrate the use of conditional autoregressive generative models (van den Oord et al., 2016a) over a discrete latent space (van den Oo… (voir plus)rd et al., 2017b) for forward planning with MCTS. In order to test this method, we introduce a new environment featuring varying difficulty levels, along with moving goals and obstacles. The combination of high-quality frame generation and classical planning approaches nearly matches true environment performance for our task, demonstrating the usefulness of this method for model-based planning in dynamic environments.
2018-11-24
ArXiv (prépublication)
arxiv.org
arxiv.org