9 +1: FEL ČVUT dominovala v grantovém řízení GA ČR v oblasti technických věd
Fakulta elektrotechnická ČVUT v Praze zaznamenala vynikající výsledky v grantovém řízení Grantové agentury ČR v oblasti technických věd, když získala 9 z celkem 72 podpořených standardních projektů a navíc grant Postdoc Individual Fellowship – Outgoing. Tento úspěch potvrzuje vedoucí postavení fakulty v informatice, umělé inteligenci, strojovém učení a robotice, což je výsledkem dlouhodobého úsilí o excelentní výzkum a mezinárodní spolupráci.
Fakulta elektrotechnická ČVUT v Praze dosáhla mimořádného úspěchu v letošním grantovém řízení Grantové agentury České republiky. V oblasti technických věd (OK1) bylo celkem podpořeno 72 standardních projektů, z toho 9 z FEL ČVUT. Úspěch podtrhuje i zisk grantu v kategorii Postdoc Individual Fellowship – Outgoing. FEL ČVUT tak potvrdila pozici lídra v informatice, umělé inteligenci, strojovém učení, robotice i dalších dynamicky se rozvíjejících oblastech technických věd.
„Úspěch v grantovém řízení GA ČR posiluje mezinárodní prestiž naší fakulty a přináší zásadní podporu pro rozvoj výzkumných týmů v oblasti informatiky, robotiky a umělé inteligence. Jsem hrdý na naše vědkyně a vědce, kteří se prosazují v náročné konkurenci a pomáhají budovat reputaci FEL ČVUT jako přední výzkumné instituce v zemi,“ uvedl k ocenění prof. Petr Páta, děkan FEL ČVUT.
Dominantní postavení fakulty v technických vědách není náhodné – je výsledkem dlouhodobého úsilí o excelentní výzkum, mezinárodní spolupráci a systematickou podporu oborů, které formují moderní technologickou společnost.
Grantová agentura České republiky (GA ČR) jako nejvýznamnější poskytovatel podpory projektů základního výzkumu v ČR začne od příštího roku financovat přes 400 vědeckých projektů ze všech oblastí základního výzkumu. Celkem budou podpořeny částkou přes 3,7 mld. Kč.
Doc. Ing. Martin Saska, Dr. rer. nat.: Sensing abstract behavioural patterns to allow coordinated fast response to disruptions in multi-robot systems
Ing. Vojtěch Franc, Ph.D.: Uncertainty-Aware Machine Learning Models for Open-World Decision-Making
Ing. Gustav Šír, Ph.D.: Neuro-Symbolic Learning for Relational Databases
Ing. Vojtěch Vonásek, Ph.D.: Sampling methods for motion planning and control using learned spaces
Giulia D’Angelo, Ph.D.: Neuromorphic active vision for embodied object perception (PIONEER)
prof. Ing. Jan Kybic, Dr.: Leveraging expert knowledge for medical image segmentation
prof. Ing. Jiří Bittner, Ph.D.: Efficient Spatial Hierarchies for Complex 3D Scenes
Ing. Ondřej Kuželka, Ph.D.: Probing Deep Learning Models by Logic
doc. Georgios Tolias, Ph.D.: Instance-level Visual Recognition and Generation
MSc. Prashant Dwivedi, Ph.D.: High-Velocity Dust Impacts on Tungsten Plasma-Facing Materials: A Predictive Multi-Scale Modeling Framework with Experimental Validation
Fakulta elektrotechnická ČVUT v Praze
