Ugrás a tartalomra

Mitrenga Márk

Fejlesztő
E-mail
@email
Telefon
+3612796134
Cím
1111 Budapest, Kende u. 13-17.
Szobaszám
K223

Rendszer és Irányításelméleti Kutatólaboratórium

Tovább

Bemutatkozás

Mitrenga Márk a Budapesti Műszaki és Gazdaságtudományi Egyetem járműmérnöki BSc szakának hallgatója, járműmechatronika szakirányon, záróvizsgáját 2026 januárjában teszi le. Tanulmányait ezt követően a BME Autonóm járműirányítási mérnök MSc mesterszakán folytatja.
Kutatási és fejlesztési érdeklődése elsősorban a mesterséges intelligencia alkalmazásaira irányul, különös tekintettel a számítógépes látásra, a mélytanulásra és a (multimodális) nagy nyelvi modellekre. Jelenlegi munkái során autonóm járművek, valamint humanoid és négylábú robotrendszerek érzékelési és döntéstámogató feladataival foglalkozik, ahol a vizuális információ feldolgozása és a szabályozási rendszerekkel való integráció kiemelt szerepet kap. Célja, hogy a HUN-REN SZTAKI fejlesztőjeként és kutatójaként olyan korszerű, MI-alapú megoldásokon dolgozzon, amelyek hozzájárulnak intelligens, adaptív és megbízható autonóm rendszerek fejlesztéséhez.

Eredmények

  • Jutalom: Monte Carlo Tree Search alkalmazása Megerősítéses Tanulásban sávtartás megvalósítására (TDK 2023)
  • 3. hely: Megerősítéses Tanulás alkalmazása autópálya-forgalomirányításban véletlenszerű anomáliák kezelésére (TDK 2024)
  • 2. hely: Megerősítéses Tanulás alkalmazása autópálya-forgalomirányításban véletlenszerű anomáliák kezelésére (OTDK 2025)
  • Jutalom: Multimodális nagy nyelvi modellek vizuális képességeinek vizsgálata járműipari alkalmazhatóság szempontjából (TDK 2025)
  • Jutalom: Látens tér alapú redundanciacsökkentés a járműmodell identifikáció támogatására (TDK 2025)

Publikációk (MTMT)

  • I. G. Knáb, M. Mitrenga and B. Kővári, "Diversity: A Key Component in Homogeneous Multi-Agent Reinforcement Learning," 2025 International Conference on Control, Automation and Diagnosis (ICCAD), Barcelona, Spain, 2025, pp. 1-6, doi: 10.1109/ICCAD64771.2025.11099398. keywords: {Training;Energy consumption;Adaptive systems;System performance;Transportation;Training data;Reinforcement learning;Computer architecture;Traffic control;Topology;Artificial Intelligence;Reinforcement Learning;Training Efficiency;Traffic Control}

Nyelvek

  • Angol (B2)
  • Német (B1)