Cookies
Usamos cookies para melhorar nosso site e a sua experiência. Ao continuar a navegar no site, você aceita a nossa política de cookies. Ver mais
Aceitar Rejeitar
  • Menu
Sobre

Sobre

Luis Paulo Reis é Licenciado (1993), Mestre (1995) e Doutor (2003) em Engenharia Eletrotécnica e de Computadores (especializações em Informática Industrial, Inteligência Artificial e Robótica) pela Universidade do Porto. É Professor Associado com nomeação definitiva no Departamento de Sistemas de Informação da Escola de Engenharia da Universidade do Minho em Portugal, diretor do LIACC – Laboratório de Inteligência Artificial e Ciência de Computadores e líder do Grupo de Investigação HMIC – Human-Machine Intelligent Cooperation Group. É membro sénior do IEEE e foi presidente da Sociedade Portuguesa de Robótica (SPR) de 2013 a 2015 sendo atualmente vice-presidente da SPR e APPIA. Nos último 25 anos lecionou cursos Universitários nas áreas dos Sistemas Inteligentes, Robótica Inteligente, Simulação, Software e Jogos Educacionais/Sérios. Foi Investigador principal em mais de 10 projetos de investigação nestas áreas. Orientou 17 Teses de Doutoramento e 95 teses de Mestrado já concluídas nestas áreas e encontra-se a orientar 7 teses de doutoramento. Organizou mais de 50 eventos científicos internacionais e pertenceu ao comité de programa de mais de 250 eventos científicos. É autor de mais de 250 publicações científicas em revistas e conferências internacionais (indexados no SCOPUS e/ou ISI Web of Knowledge).

Tópicos
de interesse
Detalhes

Detalhes

Publicações

2020

Robot 2019: Fourth Iberian Robotics Conference

Autores
Silva, MF; Luís Lima, J; Reis, LP; Sanfeliu, A; Tardioli, D;

Publicação
Advances in Intelligent Systems and Computing

Abstract

2020

Robot 2019: Fourth Iberian Robotics Conference - Advances in Robotics, Volume 1, Porto, Portugal, 20-22 November, 2019

Autores
Silva, MF; Lima, JL; Reis, LP; Sanfeliu, A; Tardioli, D;

Publicação
ROBOT (1)

Abstract

2020

Game Adaptation by Using Reinforcement Learning Over Meta Games

Autores
Reis, S; Reis, LP; Lau, N;

Publicação
Group Decision and Negotiation

Abstract
In this work, we propose a Dynamic Difficulty Adjustment methodology to achieve automatic video game balance. The balance task is modeled as a meta game, a game where actions change the rules of another base game. Based on the model of Reinforcement Learning (RL), an agent assumes the role of a game master and learns its optimal policy by playing the meta game. In this new methodology we extend traditional RL by adding the existence of a meta environment whose state transition depends on the evolution of a base environment. In addition, we propose a Multi Agent System training model for the game master agent, where it plays against multiple agent opponents, each with a distinct behavior and proficiency level while playing the base game. Our experiment is conducted on an adaptive grid-world environment in singleplayer and multiplayer scenarios. Our results are expressed in twofold: (i) the resulting decision making by the game master through gameplay, which must comply in accordance to an established balance objective by the game designer; (ii) the initial conception of a framework for automatic game balance, where the balance task design is reduced to the modulation of a reward function (balance reward), an action space (balance strategies) and the definition of a balance space state. © 2020, Springer Nature B.V.

2020

Preface

Autores
Silva, MF; Lima, JL; Reis, LP; Sanfeliu, A; Tardioli, D;

Publicação
Advances in Intelligent Systems and Computing

Abstract

2020

TIMAIRIS: Autonomous Blank Feeding for Packaging Machines

Autores
Pedrosa, EF; Lim, GH; Amaral, F; Pereira, A; Cunha, B; Azevedo, JL; Dias, P; Dias, R; Reis, LP; Shafii, N; Tudico, A; Mazzotti, C; Carricato, M; Badini, S; Rea, D; Lau, N;

Publicação
Bringing Innovative Robotic Technologies from Research Labs to Industrial End-users - The Experience of the European Robotics Challenges

Abstract