Explore la logique de la fonction neuronale, le modèle Perceptron, les applications d'apprentissage profond et les niveaux d'abstraction dans les modèles neuronaux.
Explore le contrôle conforme pour les robots par impédance et rigidité variable, permettant des interactions sûres et adaptatives avec l'environnement.
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.
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.
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.
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 les réseaux neuronaux convolutifs, les architectures standard, les techniques de formation et les exemples contradictoires en apprentissage profond.
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.
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.
