Fotografi av Simon Ståhlberg

Simon Ståhlberg

Förste forskningsingenjör

Forskare inom artificiell intelligens med fokus på att förena automatisk planering och djupinlärning.

Artificiell intelligens med inriktning på klassisk planering

Jag är forskare inom artificiell intelligens med fokus på att förena automatisk planering och djupinlärning.

Mitt forskningsintresse är artificiell intelligens med fokus på klassisk planering. Jag undersöker för närvarande användningen av djupinlärning för att automatiskt hitta generella strategier som löser planeringproblem från samma domän. Detta är viktigt eftersom traditionella planeringssystem inte kan lära sig från erfarenhet och konsekvensen är att de inte skalar till stora problem.

CV i korthet

Utbildning

Jag utbildade mig vid Linköpings universitet, där jag tog kandidatexamen och magisterexamen i datavetenskap 2010 och 2012, respektive, och jag tog doktorsexamen 2017. 

Arbete

Efter studierna arbetade jag i industrin ett tag innan jag återvände till forskningsvärlden som postdoktor när labbet grundades.

Utmärkelser

Mitt arbete i detta labb har fått flera viktiga utmärkelser, såsom:



Publikationer

2023

Simon Ståhlberg, Blai Bonet, Hector Geffner (2023) Learning General Policies with Policy Gradient Methods Proceedings of the 20th International Conference on Principles of Knowledge Representation and Reasoning, s. 647-657 Vidare till DOI
Simon Ståhlberg (2023) Lifted Successor Generation by Maximum Clique Enumeration ECAI 2023

2022

Simon Ståhlberg, Blai Bonet, Hector Geffner (2022) Learning Generalized Policies without Supervision Using GNNs Proceedings of the 19th International Conference on Principles of Knowledge Representation and Reasoning: Special Session on KR and Machine Learning, s. 474-483 Vidare till DOI
Simon Ståhlberg, Blai Bonet, Hector Geffner (2022) Learning General Optimal Policies with Graph Neural Networks: Expressive Power, Transparency, and Limits Proceedings of the Thirty-Second International Conference on Automated Planning and Scheduling (ICAPS 2022), s. 629-637 Vidare till DOI

2021

Simon Ståhlberg, Guillem Francès, Jendrik Seipp (2021) Learning Generalized Unsolvability Heuristics for Classical Planning 30th International Joint Conference on Artificial Intelligence, s. 4175-4181

Om avdelningen

Kollegor vid AIICS

Om institutionen