Brooke Brandenburger ’26、Manan Isak ’24 和 Russell Kosovsky ’25 最近前往马来西亚，在 IEEE 系统、人与控制论国际会议。陪同学生们的是计算机科学系的 13 岁工作人员吉姆·奥康纳 (Jim O’Connor)，他既担任计算机实验室技术员，又担任研究助理。
IEEE SMC 2024 主题为“可持续未来：和谐人类与技术，共创繁荣世界”，于 10 月 6 日至 10 日举行，主题涵盖智能系统、网络安全和机器人等。会议包括主题演讲、小组讨论、技术会议、海报展示和为与会者提供的交流机会。
Isak 来自威尔士，目前正在英国杜伦大学攻读科学计算和数据分析硕士学位，他展示了他在康涅狄格州完成的移动机器人研究成果，题为“三自由度蜘蛛步态的增量进化”。他将之前关于每条腿有两个自由度的六足机器人步态增量进化的研究应用到了更复杂的、每条腿有三个自由度的八足机器人。
他在第一个增量中使用循环遗传算法来学习每条腿执行单腿循环所需的激活或伺服系统（微型电机）的脉冲指令。他在第二个增量中应用了遗传算法，为每条腿选择最佳的循环组合，并学习将每条腿循环协调为单个步态的时间。
与此同时，勃兰登堡和科索夫斯基展示了他们的联合研究项目“使用遗传算法进化将棋评估函数”。
在 10 月 18 日康涅狄格州夏季科学研究所海报研讨会上，科索夫斯基向校园社区介绍了他的项目的游戏。 “将棋通常被称为日本象棋；很多部分都是相同的并且移动方式相同。但这里两个重要的区别是，它是一个更大的棋盘，玩家可以捕获一个棋子并将其放回棋盘上的任何位置作为自己的棋子。这意味着博弈树的扩展速度要快得多，因此它比国际象棋具有更高的复杂性。”
他和 Brandenburger 使用在专业游戏数据集上训练的遗传算法来学习将棋的静态评估器。使用获胜玩家作为唯一的学习输入，该算法通过检查游戏中任意时刻的单一棋盘状态或快照，能够在超过 70% 的情况下预测获胜者。根据论文摘要，这种方法可以在笔记本电脑上在短短几个小时内完成，并且与以前的方法不同，以前的方法依赖于导师辅助学习和完全的自我游戏。
来自马萨诸塞州诺斯伯勒的科索夫斯基主修计算机科学，辅修心理学。他表示，这次马来西亚之行是他第一次乘坐飞机旅行，也是第一次离开美国。他指出，他的将棋项目教会了他很多关于如何进行研究的知识。
“当我第一次开始从事这个项目时，我基本上只学习了‘计算机科学入门’。我真的了解不多，所以我是从零开始的。我真的不知道它会去哪里，也不知道它有可能变成一篇发表的论文，这太棒了。”
作为研究助理角色的一部分，奥康纳帮助三只骆驼完善并发表了他们的工作，该工作的资金完全来自荣誉受托人 Jean C. Tempel ’65 的捐赠。坦普尔还资助了 计算机科学系的 实验室，奥康纳于 2011 年作为一名人工智能和机器人学学生在计算机科学教授的指导下帮助设计 加里·帕克。他现在帮助管理帕克的人工智能研究实验室——自主代理学习实验室（AALL），并担任帕克人工智能和机器人课程的班内助理。
目前大约有 25 个 AALL 学生研究项目正在进行中，奥康纳预测其中许多项目将发表论文。 （他指出，康涅狄格大学计算机科学本科生发表率位居世界前茅。）
“这些出版物不适合本科生研究；这些都是国际参考出版物，”奥康纳说。 “每次我们参加会议时，我们的本科生都是那里唯一的本科生。其余的是第三年至第五年的博士学位。来自哈佛大学和麻省理工学院等地的学生都对这些本科生的存在感到震惊，更不用说与他们一起展示作品了。”
