Séance de cours
Vision de niveau intermédiaire pour la robotique
Séances de cours associées (32)
Acquérir des données pour l'apprentissage
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.
Contrôle de la force avec systèmes dynamiques
Couvre la conformité et le contrôle de la force pour les robots utilisant Dynamical Systems.
Naviguer dans la rueMOOC: Thymio: un robot pour se former à l'informatique
Montre comment Thymio navigue dans la rue à l'aide de ses capteurs.
Learning and Adaptive Control for Robots: SEDS & LPV-DS
Explore l'apprentissage et le contrôle adaptatif des robots à travers SEDS et LPV-DS, mettant l'accent sur la stabilité, la dynamique non linéaire et l'optimisation.
Learning and Adaptive Control for Robots: Extensions à DS
Explore les systèmes dynamiques couplés et non couplés, la stabilité, le couplage main-bras et l'adaptation en robotique.
Contrôle conforme pour les robots : Impédance et rigidité variable
Explore le contrôle conforme pour les robots par impédance et rigidité variable, permettant des interactions sûres et adaptatives avec l'environnement.
Modèles Vision-Langue-Action : Formation et applications
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.
Apprentissage du modèle de mélange gaussien cohérent sur le plan physique
Explore les modèles de mélange gaussien compatibles physiques pour le contrôle des robots et l'apprentissage de la trajectoire.
Modulation d'apprentissage pour DS
Explore l'apprentissage et le contrôle adaptatif pour les robots, en mettant l'accent sur la modulation des systèmes dynamiques pour améliorer la stabilité et permettre le mouvement réactif.
Deep Learning Modus Operandi
Explore les avantages des réseaux plus profonds dans l'apprentissage profond et l'importance de la surparamétrie et de la généralisation.