Los modelos computacionales de navegación constan de la aplicación de conocimientos de ciencias de la computación para la validación de hipótesis provenientes de la biología. Modelos de los procesos de decisión y aprendizaje de roedores son programados en agentes simulados o robots para estudiar su validez y formular nuevas preguntas.
Este trabajo se centra en el estudio de la ventaja que provee el sistema de localización multi-escala presente en el cerebro de roedores. Se ha demostrado que ciertos tipos de neuronas, denominados place cells, disparan con relación a la ubicación actual del animal. Estas células muestran un gradiente en la escala de representación. Esto quiere decir que algunas células disparan cuando el animal esta en una zona reducida (escala chica), mientras que otras disparan cuando el animal se encuentra en una región más amplia. La ventaja o utilidad de este sistema no es todavía clara.
El modelo computacional implementado se basa en aprendizaje por refuerzo sobre ambientes continuos utilizando múltiples escalas de representación. El agente tiene que aprender a navegar hacia una zona invisible del entorno.
Los resultados muestran que la inclusión de la representación de la ubicación de escala grande acelera el aprendizaje y ayuda a la generalización de la política aprendida, aumentando el cubrimiento.
La charla se basa principalmente en es siguiente articulo: http://www.sciencedirect.com/science/article/pii/S0893608015001811 (http://128.196.98.170/pubs/Llofriu-2015.pdf)
Mini Bio
Martin Llofriu se graduó de Ingeniero en Computación en la UdelaR en el 2012. Su tesis de grado se centro en sistemas de SLAM embebido. Forma parte del grupo MINA como docente.
En 2012 comenzó su doctorado en la University of South Florida, en modelos computacionales de navegación y robótica. Actualmente se encuentra en el último año de su doctorado.