Centrum umělé inteligence (AIC)
Katedra počítačů, Karlovo náměstí 13, Praha 2
Kdo jsme?
Michal Pěchouček - Spoluzakladatel a ředitel centra
Centrum umělé inteligence (AIC) na FEL ČVUT založil v roce 2001 prof. Michal Pěchouček se svými kolegy a doktorandy. Od té doby si centrum vybudovalo pověst uznávaného vědeckého pracoviště s důrazem na aplikovatelnost. Tým více než 70 vědců a studentů z celého světa se dnes věnuje bezmála 30 atraktivním projektům, které jsou financované tuzemskými i mezinárodními grantovými agenturami, EU, USA i průmyslovými partnery (Google, ŠKODA AUTO, Honeywell, Siemens, Continental’s, Bell ad.). S několika firmami centrum založilo společné výzkumné laboratoře (největší je Avast AI & Cybersecurity Lab zaměřená na kyberbezpečnost). Cílem AIC je řešit problémy reálného světa skrze špičkový výzkumu umělé inteligence a vývoj inovativních technologií. Zaměřuje se pak především na moonshoty neboli důležité výzvy, kterým bude naše společnost čelit za 10 až 20 let, a vyvíjí nutné vědecké nástroje a poznání pro jejich úspěšné řešení.
Jakým výzkumem se zabýváme
Výzkum AIC se zaměřuje především na následující oblasti a aplikační domény umělé inteligence:
- Výpočetní robotika
- Kyberbezpečnost
- Teorie her
- Automatické plánování
- Inteligentní doprava
- Optimalizace
- Strojové učení
K čemu to je
Naše algoritmy se uplatní například při simulaci vhodnosti výrobní technologie před jejím vlastním nákupem, rozpoznávání prostředí a plánování společných akcí skrze kooperaci pozemních robotů a dronů, simulaci a plánování dopravních a přepravních úloh, zajišťování bezpečnosti a vysvětlitelnosti AI systémů, optimalizaci reálných úloh, řešení zabezpečení na internetu, asistenci žurnalistům v práci a mnoho dalšího. Rádi vytváříme společné výzkumné laboratoře s průmyslovými partnery, kterým pomáháme zvětšovat konkurenční náskok.
Na čem konkrétně pracujeme (výběr projektů)
- Aktivní modelování prostředí mobilními roboty
Autonomní mobilní roboty mohou provádět úkoly v prostředí, které je nebezpečné nebo jinak nevhodné pro člověka, jako jsou zřícené budovy nebo jeskyně. V našem výzkumu vyvíjíme modely a algoritmy pro predikci průchodnosti terénem, které mohou v budoucnu pomoci např. záchranářům při živelných katastrofách. Využíváme k tomu jak zkušeností robotů s prostředím, tak i kombinaci exteroceptivního a proprioceptivního snímání. Tyto modely byly již v minulosti nasazeny na našich robotech během prestižní robotické soutěže DARPA Subterranean Challenge, kde se náš tým ve všech kolech umístil na předních příčkách.
- Dobíjecí stanice EV flotily ŠKODA AUTO
AIC již řadu let úzce spolupracuje se ŠKODA AUTO na řešení několika problémů spojených s automobilovým průmyslem. V tomto projektu jsme se zaměřili na výzvu spojenou s EV flotilou využívanou zaměstnanci automobilky. Za úkol jsme měli určit optimální rozložení nabíjecích stanic pro elektroauta v prostředí továrny. Využili jsme k tomu metody umělé inteligence, matematické optimalizace a simulace založené na reálných datech. Vedle výpočtu jsme také vyvinuli vizualizační nástroj pro podporu rozhodování, abychom managementu pomohli pochopit efektivnost a nedostatky různých řešení při umisťování více než 500 nabíjecích míst do konce roku 2021.
- Žurnalistika s umělou inteligencí
Jak vypadá budoucnost žurnalistiky při zavedení umělá inteligence? Automatické generování zpráv, ověřování faktů, vyhledávání článků potvrzujících či vyvracejících tvrzení. Tyto a další témata zkoumají naši výzkumníci v novém TAČR projektu „Proměna etických aspektů s nástupem žurnalistiky umělé inteligence“ společně s Karlovou univerzitou (jako hlavní řešitel zastoupená Václavem Moravcem), Západočeskou univerzitou v Plzni a řadou aplikačních partnerů jako ČTK, Česká televize a s aplikačním využitím u dalších partnerů jako Newton Media.
- Využití teorie her v adversariálním strojovém učení Vztah kyberútočníka a ohroženého uživatele lze modelovat pomocí herně-teoretického rámce. Ten modeluje cíle a možné budoucí akce protivníků stejně jako v řadě dalších her, které oblast teorie her primárně zkoumá (go, šachy, poker, počítačové hry). V tomto projektu financovaném Army Research Office se snažíme pomocí algoritmů teorie her zvýšit robustnost metod strojového učení a z dlouhodobého hlediska významně přispět ke zdokonalení systémů kybernetické bezpečnosti.
- Projekt Aposemat
Internet věcí (Internet of Things) představuje pro uživatele jednu z největších hrozeb kybernetických útoků z důvod nedostatečného zabezpečení. Společně s průmyslovým partnerem Avast přispíváme k ochraně IoT zařízení pomocí analyzování, provádění a detekce útoků a malwaru. Projekt využívá skutečná zařízení chytré domácnosti včetně routerů, Raspberry Pi, Alexa a dalších zařízení, která jsou velmi často infikována počítačovými viry a napadána útočníky.
Financování a spolupráce
Průmysloví partneři
- Avast
- Bae Systems
- Bell
- Boeing
- Cadence
- Cisco
- Continental’s
- Česká televize
- DeepMind
- Foxconn
- Hewlett Packard Enterprise
- Honeywell
- IBM
- Newton Media
- Red Hat
- Siemens
- ŠKODA AUTO
- Toyota
- Trend Micro
Startupy založené výzkumníky AIC
- AgentFly Technologies
- Blindspot Solutions
- Cognitive Security (od 2013 pod Cisco)
- Resistant AI
- Umotional
Spolupráce s obranným průmyslem a agenturami
- Air Force Research Laboratory, AFOSR (USA), EOARD (UK)
- Office for Naval Research (USA)
- Rockwell Research Center (CZ)
- US Army, CERDEC/CECOM (USA/NJ)
Evropské a národní RTD projekty
- AgentLink III
- Centrum Aplikované Kybernetiky
- CONCEERN
- CONTRACT
- Decision Making and Control in Manufacturing
- Ecolead
- ExPlanTech
- ExtraPlanT
- K4CARE
- PANDA
Akademičtí partneři
- Carnegie Mellon University
- FAV ZČU
- FSV UK
- Imperial College London
- King’s College London
- Nanyan Technological University Singapore
- PřF UK
- Univeristy of Oxford
- Universität Innsbruck
- Université de Lille
- University of Texas El Paso
Vybrané publikace
- Moravčík, M.; Schmid, M.; Burch, N.; Lisý, V. et al. DeepStack: Expert-level artificial intelligence in heads-up no-limit poker. SCIENCE. 2017, 356(6337), 508-513. ISSN 0036-8075.
- Saska, M.; Báča, T.; Thomas, J; Chudoba, J.; Přeučil, L.; Krajnik, T; Faigl, J.; Loianno, G et al. System for deployment of groups of unmanned micro aerial vehicles in GPS-denied environments using onboard visual relative localization. Autonomous Robots. 2017, 41(4), 919-944. ISSN 0929-5593.
- Stiborek, J.; Pevný, T.; Rehák, M. Multiple instance learning for malware classification. Expert Systems with Applications. 2018, 2018(93), 346-357. ISSN 0957-4174.
- Krajník, T.; Fentanes, J.P.; Santos, J.M.; Duckett, T. Fremen: Frequency map enhancement for long-term mobile robot autonomy in changing environments. IEEE Transactions on Robotics. 2017, 33(4), 964-977. ISSN 1552-3098.
- Loianno, G.; Spurný, V.; Thomas, J.; Báča, T.; Thakur, D.; Heřt, D.; Pěnička, R.; Krajník, T. et al. Localization, Grasping, and Transportation of Magnetic Objects by a team of MAVs in Challenging Desert like Environments. IEEE Robotics and Automation Letters. 2018, 99(PP), 1-8. ISSN 2377-3766.
- Pěnička, R.; Faigl, J.; Váňa, P.; Saska, M. Dubins Orienteering Problem. IEEE Robotics and Automation Letters. 2017, 2(2), 1210-1217. ISSN 2377-3766.
- Kusumam, K; Krajník, T.; Pearson, S.; Duckett, Tom; Cielniak, Grzegorz. 3D-Vision Based Detection, Localisation and Sizing of Broccoli Heads in the Field. Journal of Field Robotics. 2017, 34(8), 1505-1518. ISSN 1556-4959.
- Kunze, L.; Hawes, N.; Ducket, T.; Hanheide, M.; Krajník, T. Artificial Intelligence for Long-Term Robot Autonomy: A Survey. IEEE Robotics and Automation Letters. 2018, 3(4), 4023-4030. ISSN 2377-3766.
- Fiedler, D.; Čertický, M.; Alonso-Mora, J.; Čáp, M. The Impact of Ridesharing in Mobility-on-Demand Systems: Simulation Case Study in Prague. In: 2018 21st International Conference on Intelligent Transportation Systems (ITSC). IEEE Intelligent Transportation Systems Society, 2018. p. 1173-1178. ISSN 2153-0017. ISBN 978-1-7281-0323-5.
- Torreno, A.; Onaindia, E.; Komenda, A.; Štolba, M. Cooperative Multi-Agent Planning: A Survey. ACM Computing Surveys. 2018, 50(6), ISSN 0360-0300.