Aprender a navegar en entornos dinámicos.

    Las aves voladoras a menudo dependen de las corrientes de aire ascendentes mientras buscan presas o migran a través de grandes distancias. El paisaje de las corrientes convectivas es accidentado y cambia rápidamente. Se desconoce cómo se elevan y navegan las aves térmicas en este complejo paisaje. El aprendizaje por refuerzo proporciona un marco apropiado para identificar una estrategia de navegación efectiva como una secuencia de decisiones tomadas en respuesta a las señales ambientales.

    Discutiré cómo usarlo para entrenar planeadores para navegar de manera autónoma en las térmicas atmosféricas, en silico y en el campo.

    ——————-

    Antonio Celani obtuvo su doctorado en el Politecnico di Torino, Italia en 1998. Después de las becas posdoctorales en el Instituto Max Planck en Munich y en el Observatoire de la Cote d’Azur, se convirtió en investigador del Consejo Nacional de Investigación de Francia (CNRS) en 2000 en el Institut Nonlinéaire de Nice. Al principio de su carrera, ha estado trabajando en la física estadística de sistemas fuertemente fuera de equilibrio y notablemente en turbulencias. En 2007 se unió al Institut Pasteur Paris como director de investigación, donde comenzó a trabajar en la interfaz entre física y biología, con especial énfasis en la quimiotaxis bacteriana. Desde 2014 también es científico investigador en el Centro Internacional de Física Teórica Abdus Salam – ICTP, donde ha contribuido al establecimiento de una nueva sección en Ciencias de la Vida Cuantitativa. En ICTP, su actividad de investigación se encuentra en la encrucijada entre física, biología e inteligencia artificial. Su trabajo tiene como objetivo comprender cómo los organismos vivos y las máquinas pueden resolver problemas complejos de navegación y descubrir los principios generales que rigen su comportamiento.

     

    Deja un comentario