Explore l'apprentissage visuel sûr et efficace en matière de données pour la robotique, couvrant la théorie du contrôle, les systèmes de perception, l'apprentissage de bout en bout et les politiques d'experts.
Explore Eigenvalue Attribution dans le contrôle multivariable, en mettant l'accent sur les effets de la discrétisation et les défis dans la préservation de la structure du système.
Explore l'apprentissage sécuritaire en robotique, couvrant l'état de l'art, les défis ouverts et la vision sur le terrain, soulignant l'importance de la collaboration interdisciplinaire.
Couvre le calcul de la fonction de coût pour les systèmes de commande multivariables en utilisant le cadre LQR et en appliquant la descente de gradient pour améliorer le contrôleur.
Couvre les problèmes de contrôle optimal en se concentrant sur les conditions nécessaires, l'existence de contrôles optimaux et les solutions numériques.
