Cathy Wu
MIT副教授，研究方向为利用强化学习和多智能体系统优化城市交通等社会复杂系统，横跨土木与环境工程、数据系统与社会研究所，推动开源交通仿真平台建设
时间轴 (近 90 天)
MIT副教授Cathy Wu的研究方向是用强化学习为交通等社会复杂系统提供计算工具，其工作横跨土木与环境工程、数据系统与社会研究所。
Cathy Wu团队的强化学习方法不要求对交通系统有完美的先验建模，而是通过试错和奖励信号逐步逼近更优解。
Cathy Wu的研究强调系统级韧性，关注节点失效时整个交通网络如何重新分配流量并保持服务水平。
Cathy Wu参与推动交通仿真平台，让研究者可以在虚拟城市中测试RL策略，降低从算法到落地的门槛。
Cathy Wu团队推动的开源工具强调与真实数据的校准，使仿真环境尽可能贴近现实路网的流量分布和出行行为。
Cathy Wu的研究强调与政策制定者、城市规划者协作，把计算工具嵌入真实决策流程，而非用算法替代人类判断。
Cathy Wu的方法论可以迁移到能源调度、供应链、公共卫生等同样充满不确定性和多主体博弈的领域。
全部知识事实 (7)
MIT副教授Cathy Wu的研究方向是用强化学习为交通等社会复杂系统提供计算工具，其工作横跨土木与环境工程、数据系统与社会研究所。
50%待验证Cathy Wu团队的强化学习方法不要求对交通系统有完美的先验建模，而是通过试错和奖励信号逐步逼近更优解。
50%待验证Cathy Wu的研究强调系统级韧性，关注节点失效时整个交通网络如何重新分配流量并保持服务水平。
50%待验证Cathy Wu参与推动交通仿真平台，让研究者可以在虚拟城市中测试RL策略，降低从算法到落地的门槛。
50%待验证Cathy Wu团队推动的开源工具强调与真实数据的校准，使仿真环境尽可能贴近现实路网的流量分布和出行行为。
50%待验证Cathy Wu的研究强调与政策制定者、城市规划者协作，把计算工具嵌入真实决策流程，而非用算法替代人类判断。
50%待验证Cathy Wu的方法论可以迁移到能源调度、供应链、公共卫生等同样充满不确定性和多主体博弈的领域。
50%