Carlos Hernández posee un PhD in Computer Science - Artificial Intelligence de la Universidad Autónoma de Barcelona, obtenido en 2008. Ha liderado seis proyectos centrados en nuevos algoritmos y aplicaciones de Búsqueda Multi-objetivo dentro del área de AI Search and Planning. Sus contribuciones incluyen la creación de algoritmos óptimos y e-óptimos de vanguardia para encontrar o aproximar la Frontera de Pareto, el desarrollo de métodos para encontrar subconjuntos de soluciones bien distribuidas, algoritmos bi-objetivo basados en Contraction-Hierarchies para grafos de carreteras, y la definición del problema “The Bi-Objective Ride-Hailing Driver Routing Problem”, además de un nuevo modelo basado en grafos para resolver problemas de enrutamiento. Adicionalmente, ha liderado dos proyectos enfocados en nuevos algoritmos y aplicaciones de Búsqueda Multi-Agente. Sus contribuciones aquí abarcan la creación de algoritmos basados en Leaning Depth-First Search para aprender y encontrar caminos libres de conflicto para múltiples agentes en diversos entornos, y la definición y modelamiento del problema “Cooperative Pathfinding for Urban Road Networks” (CPURN).