2019年某机构研究奖项获奖名单揭晓

原创

用户11764306

发布于 2026-01-22 16:34:49

660

去年春天，某机构通知了2019年某机构研究奖项的获奖者。该资助计划为跨11个重点领域进行研究的学术研究人员提供高达80，000美元的现金和20，000美元的某云服务促销积分。今天，我们正式宣布这51位获奖者，他们来自10个国家的39所大学。2019年的奖项平均为每个研究项目提供72,000美元的现金奖励和15,000美元的某云服务促销积分。每笔赠款旨在支持一至两名研究生或博士后在一名教职员工的监督下进行为期一年的工作。

今年研究奖项的11个重点领域是：计算机视觉；人工智能公平性；知识管理和数据质量；机器学习算法和理论；自然语言处理；在线广告；运筹学与优化；个性化；机器人学；搜索与信息检索；以及安全、隐私和滥用防护。

获奖者可以使用150多个某机构公共数据集。该机构鼓励发表研究成果，鼓励研究人员在全球各地的某机构办公室进行演讲，并在开源许可下发布相关代码。

每个项目都指定了一名某机构研究联系人，负责提供咨询并支持项目进展。“某机构研究奖项帮助资助机器学习、机器人学、运筹学等领域的杰出创新研究提案，同时有助于加强某机构研究团队、学术研究人员及其附属机构之间的联系，”某机构机器学习副总裁表示，“今年获奖者将进行的研究的广度和深度令人印象深刻，将为我们的客户带来关键创新，并在11个重点领域中取得有意义的科学进步。”

2020年的资助提案将于今年秋季开始接受，这将是该计划的第六年。更多信息请于今年夏季回来查看，或发送电子邮件以加入2020年提案征集邮件列表。以下是2019年获奖者名单，按字母顺序排列。

获奖者	大学	研究标题
Pulkit Agrawal	麻省理工学院	持续强化学习
James Allan	马萨诸塞大学阿默斯特分校	面向对话搜索的产品方面解释
Chris Amato	东北大学	通过高层宏动作实现可扩展且鲁棒的多机器人协调
Ashis G. Banerjee	华盛顿大学	基于稀疏、深度和持久视觉特征的室内环境3D物体检测与6D位姿估计
Sven Behnke	波恩大学	学习结构化场景建模和基于物理的预测以实现操作
François-Xavier Briol	伦敦大学学院与艾伦·图灵研究所	昂贵机器学习系统中的数值积分迁移学习
Flavio du Pin Calmon	哈佛大学	构建公平机器学习的基础：从信息论到联邦算法
Luca Carlone	麻省理工学院	用于长期多机器人部署的度量-语义SLAM
Shayok Chakraborty	佛罗里达州立大学	具有相对标签反馈的深度主动学习
Kai-Wei Chang	加州大学洛杉矶分校	大规模学习鲁棒的上下文语言编码器
Margarita Chli	苏黎世联邦理工学院	面向无人机配送的语义感知云辅助空中导航
Jeff Dalton	格拉斯哥大学	基于知识的对话式产品信息搜索
N. Lance Downing	斯坦福大学	DeepStroke：利用深度学习改进NIH卒中量表评估的卒中诊断
Luciana Ferrer	布宜诺斯艾利斯大学-国家科学与技术研究委员会计算机科学研究所	面向声音理解的表示学习
Alexander Gammerman	伦敦大学皇家霍洛威学院	用于变化点检测的保形鞅
Graeme Gange	莫纳什大学	面向多智能体路径规划的鲁棒优先规划
Itai Gurvich	康奈尔大学	面向异构请求的动态资源分配：近乎最优、计算轻量的策略
Kris Hauser	伊利诺伊大学厄巴纳-香槟分校	利用视觉触觉建模对新颖和非刚性物体进行机器人打包
Daqing He	匹兹堡大学	可迁移、可控、适用的关键词生成
Jason Hong	卡内基梅隆大学	设计混淆矩阵的替代表示以评估公众对机器学习公平性的看法
Wendy Ju	康奈尔理工大学	使机器能够识别和修复交互中的错误
Sertac Karaman	麻省理工学院	通过导览学习新环境：基于信息控制动作的深度和位姿估计
Ioannis Karamouzas	克莱姆森大学	从人类人群数据中学习高效多机器人导航
Aryeh Kontorovich	本-古里安大学	面向某机器学习服务的先进基于邻近度的学习工具包
Oliver Kroemer	卡内基梅隆大学	面向Delta机器人阵列的鲁棒操作策略
Beibei Li	卡内基梅隆大学	用于定向促销的人工智能代理
Changliu Liu	卡内基梅隆大学	面向高效且可证明安全的人机交互的分层运动规划
Anirudha Majumdar	普林斯顿大学	Force-Closure Nets：通过可证明的泛化保证操作物体
Karthik Narasimhan	普林斯顿大学	迈向更深入、更广泛、更类人的对话代理
Joseph P. Near	佛蒙特大学	通过自动微分为深度学习实现可证明的公平性
Priyadarshini Panda	耶鲁大学	通过效率驱动的深度神经网络优化实现对抗鲁棒性
Guilherme Augsto Silva Pereira	西弗吉尼亚大学	用于长期机器人学的并行和云计算
Carlo Pinciroli	伍斯特理工学院	用于多机器人操作多用户监督的沉浸式界面
Ingmar Posner	牛津大学	面向真实世界机器人感知与操作的组合深度生成模型
Amanda Prorok	剑桥大学	学习多机器人路径规划的显式通信
Sebastian Risi	哥本哈根信息技术大学	面向工业自动化的持续学习机器
Alessandro Rizzo	都灵理工大学	从最短路径到最安全路径导航：一种用于无人机系统风险感知自主导航的人工智能驱动框架
Nicolas Rojas	帝国理工学院	面向手内操作的机械智能
Daniela Rus	麻省理工学院	串联弹性磁齿轮机器人执行器
Sanjay Sarma	麻省理工学院	用于机器人应用中材料识别的多模态传感
Alex Schwing	伊利诺伊大学厄巴纳-香槟分校	看见未见：时序非模态实例级视频对象分割
Roland Siegwart	苏黎世联邦理工学院	使用全向飞行平台进行空中操作
Niko Suenderhauf	昆士兰科技大学	从基于对象的语义地图中学习机器人导航与交互
Chenhao Tan	科罗拉多大学博尔德分校	主动征询人类解释以纠正自然语言处理模型中的偏见
Jian Tang	蒙特利尔高等商学院：Mila-魁北克人工智能研究所	面向图神经网络的深度主动学习
Marynel Vázquez	耶鲁大学	通过群体交互感知改进社交机器人导航
Soroush Vosoughi	达特茅斯学院	通过语言风格迁移保护在线匿名性
Richard M. Voyles	普渡大学	通过指导学习接触密集型任务的一次性学习框架
May Dongmei Wang	佐治亚理工学院	学习消除推荐模型中的偏见
James Wang	宾夕法尼亚州立大学	推进野外情绪的自动识别
Xinyu Xing	宾夕法尼亚州立大学	使用粗粒度标签进行细粒度恶意软件分类