Knáb István Gellért, B.Sc.

Bemutatkozás

Knáb István Gellért 2024-ben szerezte meg járműmérnöki BSc diplomáját a Budapesti Műszaki és Gazdaságtudományi Egyetem járműmérnöki karán. Jelenleg MSc tanulmányait Autonóm Járműirányítási mérnök szakon folytatja ugyanitt. Kutatási területe magában foglalja a mesterséges intelligencia alkalmazását különböző forgalmi helyzetekben, valamint járműirányítási feladatok megoldására. Célja, hogy hozzájáruljon az autonóm járművek fejlődéséhez, és kutatásai során olyan innovatív megoldásokat fejleszt, amelyek növelik a közlekedés biztonságát és hatékonyságát.

Eredmények

• Jutalom: Multi-Ágens Megerősítéses tanulás adaptív jelzőlámpa irányítás esetére. (TDK 2022)
• 1. hely: Multi-Ágens Megerősítéses tanulás alapú döntéshozás autópályás környezetben (TDK 2023)
• Pro Progressio alapítvány különdíja: Multi-Ágens Megerősítéses tanulás alapú döntéshozás autópályás környezetben (TDK 2023)
• Asura Technologies Ltd. különdíja: Multi-Ágens Megerősítéses tanulás alapú döntéshozás autópályás környezetben (TDK 2023)
• 2. hely: Homogén ágensek alkalmazkodóképessége dinamikusan skálázható forgalmi környezetben (TDK 2024)
• 3. hely: Tanítóminta-priorizálási eljárások vizsgálata folytonos kimenetű ágensek esetére (TDK 2024)

Publikációk

• B. Kovari, I. Knab, and T. Becsi, "Variable Speed Limit Control for Highway Scenarios: A Multi-Agent Reinforcement Learning Based Approach," in 2nd International Conference on Cognitive Mobility, 2023.
• Kővári, B., Pelenczei, B., Knáb, I. G., & Bécsi, T. (2024). Beyond Trial and Error: Lane Keeping with Monte Carlo Tree Search-Driven Optimization of Reinforcement Learning. Electronics, 13(11), 2058.
• Kővári, B., Knáb, I., & Bécsi, T. (2024). Variable Speed Limit Control for Highway scenarios a Multi-Agent Reinforcement Learning Based Appraoch (No. 13400). EasyChair.
• Pelenczei, B. ; Knáb, I. ; Kővári, B. ; Bécsi, T. and Palkovics, L. (2024). Adaptive Highway Traffic Management: A Reinforcement Learning Approach for Variable Speed Limit Control with Random Anomalies. In Proceedings of the 21st International Conference on Informatics in Control, Automation and Robotics
• Knáb, I. ; Pelenczei, B. ; Kővári, B. ; Bécsi, T. and Palkovics, L. (2024). Expanded Applicability: Multi-Agent Reinforcement Learning-Based Traffic Signal Control in a Variable-Sized Environment. In Proceedings of the 21st International Conference on Informatics in Control, Automation and Robotics

Nyelvek

• Német (C1)
• Angol (B2)
• Olasz (A2)