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.
Couvre l'impact des transformateurs dans la vision par ordinateur, en discutant de leur architecture, de leurs applications et de leurs progrès dans diverses tâches.
Explore le contrôle conforme pour les robots par impédance et rigidité variable, permettant des interactions sûres et adaptatives avec l'environnement.
Explique comment les robots manipulent des objets en utilisant des instructions en langage naturel et intègre des modèles de langage de vision pour améliorer les performances.
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.
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 formation et les applications des modèles Vision-Language-Action, en mettant l'accent sur le rôle des grands modèles linguistiques dans le contrôle robotique et le transfert des connaissances web. Les résultats des expériences et les orientations futures de la recherche sont mis en évidence.
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 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 approches et les défis modernes en matière d'acquisition de données pour l'apprentissage de contrôleurs optimaux au moyen de démonstrations et de méthodes axées sur les données.
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.
Discute de la navigation par quadritor en utilisant l'apprentissage de renforcement profond et le contrôle de bas niveau, en mettant l'accent sur l'intelligence visuelle et la robustesse du modèle de regard.
Introduit les bases de la robotique, couvrant les définitions, les classifications et les statistiques, et explore l'évolution et les applications de différents types de robots.
Explore l'évitement des obstacles en utilisant Dynamical Systems pour les robots, en se concentrant sur la modulation, les garanties de stabilité et la théorie de la contraction.
Couvre les défis et les solutions pour que les robots travaillent en toute sécurité avec les humains, en mettant l'accent sur l'adaptabilité et la prévisibilité.
