نركز في أبحاث الروبوتات على تطوير أنظمة مستقلة قادرة على التكيف مع البيئات المختلفة والتفاعل مع الإنسان والحركة السهلة ضمن الحشود. نعتمد في ذلك على التعلم المعزز والتعلم من المحاكاة لتدريب الروبوتات على أداء مهام معقدة بشكل آمن وفعّال.
المجالات البحثية
التعلّم التعزيزي (Reinforcement Learning)
تركز أبحاثنا في هذا المجال على في تعليم الروبوتات باستخدام تقنيات التعلّم التعزيزي (RL)، بما في ذلك التعلّم التعزيزي القائم على النماذج (Model-based RL) والأساليب المراعية للسلامة (Safety-aware Methods)، بهدف تمكين الروبوتات من اكتساب المهارات بسرعة وكفاءة في مهام المناورة والتنقل الذاتي ضمن بيئات ديناميكية ومعقدة.
النماذج العالمية ونماذج الرؤية–اللغة–الفعل (World Models & Vision-Language-Action Models)
تبحث معاملنا في تقنيات دمج نماذج العالم (World Models) مع سياسات الرؤية–اللغة–الفعل (VLA) لتمكين الروبوتات من فهم المدخلات البصرية واللغوية وترجمتها إلى أفعال دقيقة وموثوقة في سيناريوهات متنوعة. يهدف هذا المجال البحثي إلى تعزيز قدرات التعميم والاستقلالية في أداء الروبوتات ضمن البيئات الواقعية.
الملاحة في الحشود الكثيفة والحركة الاجتماعية الواعية (Super-Dense Crowd Navigation & Socially-Aware Locomotion)
تُركّز الأبحاث لدينا في هذا المجال على تطوير أساليب تُمكّن الروبوتات من التنقل الآمن والطبيعي والفعّال في البيئات المأهولة بكثافة بشرية عالية. يجمع البحث بين تنبؤ مسارات المجموعات البشرية والتعلّم المعزز والتحكم المراعي لعدم اليقين للوصول إلى حركة اجتماعية واعية تتيح تفاعلًا سلسًا وآمنًا مع المحيط الديناميكي.