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.
Se penche sur la modélisation des compétences motrices humaines pour améliorer la planification des mouvements en robotique, couvrant les progrès récents, l'APC fonctionnelle et l'évitement des obstacles.
Couvre la navigation globale, les algorithmes de planification des chemins, la décomposition des cellules, les méthodes de champs potentiels et l'optimisation des chemins basée sur la stigmergie.
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.
Déplacez-vous dans des robots modulaires auto-reconfigurés, en discutant des avantages, des concepts de conception, des stratégies de planification et des défis dans la planification des mouvements et les algorithmes de recherche.
Explore les défis et les opportunités dans la perception robotique basée sur la vision, couvrant des sujets tels que SLAM, la reconnaissance des lieux, les caméras d'événements et l'intelligence visuelle collaborative.
Introduit BulletArm, un référentiel de manipulation robotique open source et un cadre d'apprentissage couvrant les objectifs de conception, les tâches de référence et les algorithmes d'apprentissage.
Déplacez-vous dans les facteurs physiques et sociaux de l'interaction homme-robot, couvrant des sujets tels que l'estimation du couple de surcharge articulaire et les stratégies de contrôle adaptatif.
Explore le transfert des principes d'apprentissage humain aux robots, en mettant l'accent sur la manipulation de l'apprentissage des compétences et la planification des tâches.
Explore les états internes et le contrôle hiérarchique dans la robotique, en se concentrant sur les comportements et les circuits neuraux pour la faim.
