stringtranslate.com

Leslie P. Kaelbling

Leslie Pack Kaelbling es una robótica estadounidense y profesora Panasonic de Ingeniería y Ciencias de la Computación en el Instituto de Tecnología de Massachusetts . [1] Es ampliamente reconocida por adaptar procesos de decisión de Markov parcialmente observables de la investigación de operaciones para su aplicación en inteligencia artificial y robótica. [2] [3] [4] Kaelbling recibió el premio IJCAI Computers and Thought en 1997 por aplicar el aprendizaje por refuerzo a sistemas de control integrados y desarrollar herramientas de programación para la navegación de robots . [5] En 2000, fue elegida miembro de la Asociación para el Avance de la Inteligencia Artificial . [6]

Carrera

Kaelbling obtuvo una licenciatura en Filosofía en 1983 y un doctorado en Ciencias de la Computación en 1990, ambos de la Universidad de Stanford. [7] Durante este tiempo también estuvo afiliada al Centro para el Estudio del Lenguaje y la Información . [8] Luego trabajó en SRI International y en la filial de robótica Teleos Research antes de unirse a la facultad de la Universidad de Brown . Dejó Brown en 1999 para unirse a la facultad del MIT . [9] Su investigación se centra en la toma de decisiones en condiciones de incertidumbre, el aprendizaje automático y la detección con aplicaciones a la robótica . [7]

Revista de investigación de aprendizaje automático

En la primavera de 2000, ella y dos tercios del consejo editorial de la revista Machine Learning , propiedad de Kluwer, dimitieron en protesta por el acceso a sus archivos de pago y, al mismo tiempo, una compensación financiera limitada para los autores. [10] Kaelbling cofundó y fue el primer editor en jefe del Journal of Machine Learning Research , una revista de acceso abierto revisada por pares sobre los mismos temas que permite a los investigadores publicar artículos de forma gratuita y conservar los derechos de autor de sus archivos. disponible gratuitamente en línea. [11] En respuesta a la renuncia masiva, Kluwer cambió su política editorial para permitir a los autores autoarchivar sus artículos en línea después de la revisión por pares . Kaelbling respondió que esta política era razonable y habría hecho innecesaria la creación de una revista alternativa, pero los miembros del consejo editorial habían dejado claro que querían esa política y fue sólo después de la amenaza de renuncias y la fundación real de JMLR que la La política editorial finalmente cambió. [12]

Trabajos seleccionados

Referencias

  1. ^ "Plenaria principal: Leslie Pack Kaelbling". Conferencia Internacional IEEE 2016 sobre Robótica y Automatización . 10 de marzo de 2016 . Consultado el 12 de agosto de 2017 .
  2. ^ Littman, Michael. "Página de información del POMDP". Universidad Rutgers . Consultado el 12 de agosto de 2017 .
  3. ^ TOMAS LOZANO-PEREZ: Entrevista realizada por Selma Šabanovic con Matthew R. Francisco, IEEE History Center, 28 de agosto de 2011. Entrevista n.º 733 para la Universidad de Indiana y el IEEE History Center, The Institute of Electrical and Electronics Engineers Inc.
  4. ^ "POMDPS en robótica". Universidad de Queensland . Consultado el 12 de agosto de 2017 .
  5. ^ Sakama, Chiaki. «XV Conferencia Internacional Conjunta sobre Inteligencia Artificial» . Consultado el 12 de agosto de 2017 .
  6. ^ Becarios AAAI, consultado el 25 de enero de 2010.
  7. ^ ab "Leslie Kaelbling". Laboratorio de Ciencias de la Computación e Inteligencia Artificial del MIT . Consultado el 12 de agosto de 2017 .
  8. ^ Kaelbling, paquete de Leslie (1987). "El aprendizaje como incremento del conocimiento". Informe Técnico, Centro de Estudios del Lenguaje y la Información .
  9. ^ "IA marrón: personas". Departamento de Ciencias de la Computación . Universidad de Brown . Consultado el 12 de agosto de 2017 .
  10. ^ Shieber, Stuart (6 de marzo de 2012). "Una revista eficiente". El folleto ocasional . Consultado el 12 de febrero de 2017 .
  11. ^ Consejo editorial de JMLR, consultado el 25 de enero de 2010.
  12. ^ Robin, Peek (1 de diciembre de 2001). "El consejo editorial de Machine Learning está dividido". Información hoy . 18 (11).