Liam Paull
Faire progresser les capacités des robots mobiles autonomes
- Professeur agrégé
-
Faculté des arts et des sciences - Département d'informatique et de recherche opérationnelle
André-Aisenstadt, room 2347
Media
Profile
Research expertise
L’objectif du projet de recherche de Liam Paull est de faire progresser les capacités des robots mobiles autonomes. Celles-ci comprennent les facultés à percevoir l'environnement, à y naviguer et à interagir avec lui, ainsi qu'à coopérer et à collaborer avec d'autres robots. Il est prévu que la robotique mobile aura une influence sociétale importante dans les années à venir.
Expertises :
- Robotique,
- Véhicule autonome,
- Apprentissage profond pour les véhicules autonomes
Contributions :
Cofondateur de Duckietown, un projet de recherche, d’éducation et de diffusion sur les véhicules autonomes
Affiliations and responsabilities
Research affiliations
Teaching and supervision
Teaching
Courses taught (current session only)
Programs
- 117510 – Baccalauréat en informatique
- 117520 – Majeure en informatique
- 117540 – Mineure en informatique
- 119110 – Baccalauréat en mathématiques et informatique
- 119110 – Baccalauréat en mathématiques et informatique
- 120510 – Baccalauréat en physique et informatique
- 120510 – Baccalauréat en physique et informatique
Student supervision
Theses and dissertation supervision (Papyrus Institutional Repository)
Generative models : from data generation to representation learning
Cycle : Doctoral
Grade : Ph. D.
Leveraging foundation models towards semantic world representations for robotics
Cycle : Master's
Grade : M. Sc.
Reinforcement learning applied to the real world : uncertainty, sample efficiency, and multi-agent coordination
Cycle : Doctoral
Grade : Ph. D.
Fear prediction for training robust RL agents
Cycle : Master's
Grade : M. Sc.
Calibrated uncertainty estimation for SLAM
Cycle : Master's
Grade : M. Sc.
Leveraging self-supervision for visual embodied navigation with neuralized potential fields
Cycle : Master's
Grade : M. Sc.
Differentiable world programs
Cycle : Doctoral
Grade : Ph. D.
Lifelong topological visual navigation
Cycle : Master's
Grade : M. Sc.
On quantifying the value of simulation for training and evaluating robotic agents
Cycle : Master's
Grade : M. Sc.
Variational aleatoric uncertainty calibration in neural regression
Cycle : Master's
Grade : M. Sc.
Programming tools for intelligent systems
Cycle : Master's
Grade : M. Sc.
Look-ahead meta-learning for continual learning
Cycle : Master's
Grade : M. Sc.
On learning and generalization in unstructured taskspaces
Cycle : Master's
Grade : M. Sc.
Lifelong learning of concepts in CRAFT
Cycle : Master's
Grade : M. Sc.
Deep active localization
Cycle : Master's
Grade : M. Sc.
Projects
Research projects
Learning Actionable and Semantic Representations that Enable Autonomous Mobile Robots to Complete Complex Tasks
Autonomous Mobile Robotics
Generalization and Planning in Robotics
Dependable and Explainable Learning (DEELL)
Capacités d'IA en vision pour l'inspection autonome et la compréhension de scène
End to end autonomous vehicle planning and control (Planification et contrôle de bout en bout des véhicules autonomes)
Deep neural network uncertainty estimation for safe integration into autonomous driving autonomy systems
DEEL – DEpendable & Explainable Learning
Learning Representations for Autonomous Mobile Robotics to Enable C o m p l e x T a s k s
Out-Of-Distribution Weed Detection and generalization
Learning Representations for Autonomous Mobile Robotics to Enable C o m p l e x T a s k s
Estimating uncertainty in deep neural networks with applications to object detection
Differentiable perception, graphics, and optimization for weakly supervised 3D perception
Mapping High-Level Workflows to Low-Level Robotic Actions
Exploiting Experiences and Priors in Semantic Visual Navigation
Supplément COVID-19 CRSNG_Learning Representations for Autonomous Mobile Robotics to Enable C o m p l e x T a s k s
Apogée Canada fonds d'excellence en recherche / Bourse d'excellence IVADO à la maitrise Bhairav Mehta
Enseigner aux robots à construire des modèles d'environments avec l'apprentissage profond par renforcement
Autonomous Mobile Robotics
Exploiting Experiences and Priors in Semantic Visual Navigation
Programme de bourse d'été et d'initiation à la recherche au premier cycle IVADO. Candidat: Adam Sigal / Duckietown AI Driving Olympics
Outreach
Transfert technologique et de connaissances
- Cofondateur de Duckietown, un projet de recherche, d’éducation et de diffusion sur les véhicules autonomes
Disciplines
- Computer Engineering and Software Engineering
- Computer Science
Areas of expertise
- Computer vision
- Robotics
- Autonomous Vehicles
- Deep learning