Jean-Claude Latombe (nacido el 14 de mayo de 1947) es un robotista franco - estadounidense y profesor emérito Kumagai en la Escuela de Ingeniería de la Universidad de Stanford . Latombe es investigador en planificación del movimiento de robots y es autor de uno de los libros más citados en este campo. [1]
Latombe recibió su doble título de ingeniería en ingeniería eléctrica e informática del Instituto Politécnico Nacional de Grenoble (ahora Instituto de Tecnología de Grenoble ) en 1969 y 1970, respectivamente, y una maestría en ingeniería eléctrica en 1972, con la tesis Diseño de una computadora. -Sistema de Enseñanza Asistida en Ingeniería Eléctrica . En 1977, Latombe recibió un doctorado. en informática de la Universidad de Grenoble con una tesis Inteligencia artificial para la automatización del diseño .
Se unió a la facultad de INPG en 1980 y la dejó en 1984 para unirse a Industry and Technology for Machine Intelligence (ITMI), una empresa que cofundó en 1982. En 1987, Latombe se unió a la Universidad de Stanford como profesor asociado y desde entonces ha Ha sido profesor (1992), presidente (1997-2000) y profesor Kumagai (2001-presente) en el Departamento de Ciencias de la Computación. Latombe fue elegido miembro de la Asociación para el Avance de la Inteligencia Artificial en 1993. [2]
Latombe es una figura importante en la planificación del movimiento robótico . Después de que Mark Overmars publicara el Método de hoja de ruta probabilística (PRM) en 1992, Latombe y Lydia Kavraki desarrollaron el algoritmo de forma independiente en 1994, y su artículo conjunto con Overmars, Hojas de ruta probabilísticas para la planificación de rutas en espacios de configuración de alta dimensión , [3] se considera uno de los estudios más influyentes en la planificación del movimiento y ha sido ampliamente citado (más de 1000 veces hasta 2008). Más recientemente, Latombe aplicó sus conocimientos en robótica a problemas de biología estructural y desarrolló la simulación estocástica de hoja de ruta (SRS) basada en PRM para generar y analizar de manera eficiente grandes colecciones de trayectorias de proteínas. [4]