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.
