Explore la modélisation computationnelle de la locomotion terrestre, en se concentrant sur les circuits neuronaux, la biomécanique et l'optimisation de la démarche.
Explore l'injection de perturbations bayésiennes pour une imitation robuste dans l'apprentissage des robots, démontrant son efficacité dans la réduction de l'accumulation d'erreurs et la réalisation de tâches élevées.
Explore l'apprentissage et le contrôle adaptatif pour les robots, en mettant l'accent sur les défis, la planification de parcours avec des systèmes dynamiques, et les applications de planification en temps réel.
Couvre les bases de la cinématique, y compris les coordonnées conjointes, les variables opérationnelles, les configurations du poignet et les modèles géométriques.
Couvre les exercices corrigés de l'examen 2020 dans le domaine de la robotique, y compris des sujets tels que la précision, la vitesse, les moteurs à courant continu, le rapport d'engrenage optimal, la dynamique des bras de robot, les encodeurs et la cinématique.
Explore les approches fondées sur les données pour améliorer la conception des robots, en mettant l'accent sur la conformité, les matériaux souples et les interactions complexes.
Déplacez-vous dans la géométrie de Riemannian pour l'apprentissage et le contrôle du mouvement robot, en mettant l'accent sur les synergies géodésiques et le collecteur d'espace de configuration.
Explore la coopération des robots d'assistance à l'amélioration de la productivité des soins infirmiers et à la création d'une société dynamique d'ici 2050.
Couvre la planification de trajectoires multi-contacts pour les robots legged, la dynamique de l'élan centroïdal, et les contraintes de sensibilisation à l'incertitude.
Présente une architecture nouvelle pour l'apprentissage robot de l'interaction haptique, la réalisation d'une estimation robuste de la classe d'objets et l'amélioration de l'efficacité de l'interaction haptique.
Couvre l'apprentissage et le contrôle adaptatif des robots, en mettant l'accent sur la réactivité en temps réel et la planification de parcours à l'aide de systèmes dynamiques.
Couvre l'utilisation de transformateurs en robotique, en se concentrant sur la perception incarnée et les applications innovantes dans la locomotion humanoïde et l'apprentissage du renforcement.
Explore les robots d'entraînement en renforçant l'apprentissage et l'apprentissage de la démonstration, mettant en évidence les défis de l'interaction homme-robot et de la collecte de données.
