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.
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.
Explore la robotique autonome, couvrant la cinématique, le contrôle, le contrôle de position, la modélisation, la linéarisation et la compensation de l'avance.
Explore l'apprentissage et le contrôle des systèmes complexes, en abordant les défis et les possibilités en matière de technologie et de recherche interdisciplinaire.
Couvre les matrices de rotation, les traductions et la modélisation géométrique directe des robots série, y compris les paramètres Denavit-Hartenberg et la séquence des mouvements pour un robot 6 DOF.
Explore l'impact des paramètres P, D et I sur le contrôle de la robotique, y compris les gains, les encodeurs, le réglage des paramètres PID et les stratégies de contrôle.
Examine le contrôle sensorimoteur dans la locomotion à l'aide de robots et de modèles mathématiques, explorant la locomotion bimodale, la marche des insectes et la natation ondulatoire.
Explore les servomoteurs souples à commande électrique pour la robotique et les haptiques, en mettant l'accent sur les principes d'actionnement électrostatique et le développement des servomoteurs souples à l'aide de divers matériaux.
Explore la conception de robots informatiques, en mettant l'accent sur la co-optimisation et l'utilisation de grammaires graphiques pour une conception efficace.
Explore la conception axée sur l'optimisation, la simulation différentiable, les stratégies de contrôle, et l'évolution des créatures virtuelles et des machines douces.
Explore la théorie du contrôle quadratique optimal linéaire, couvrant les problèmes FH-LQ et IH-LQ et l'importance de l'observabilité dans les systèmes de contrôle.
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 l'accessibilité et la contrôlabilité dans les systèmes de contrôle multivariables, en discutant des essais, des épreuves et de leurs implications.
Explore l'état de la recherche robotique, couvrant les défis interdisciplinaires, les technologies de capteurs et les architectures de collaboration homme-robot.
S'inscrit dans la théorie de l'activation matérielle, proposant un cadre mathématique unifié pour modéliser comment plusieurs stimuli peuvent produire des changements au niveau macroscopique.
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.
Explore deux paradigmes pour la robotique, des composants comme les moteurs, les engrenages, les capteurs et les contrôleurs, et des considérations de conception pour divers types de robots.
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.
