Explique comment les robots manipulent des objets en utilisant des instructions en langage naturel et intègre des modèles de langage de vision pour améliorer les performances.
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.
Explore l'apprentissage automatique efficace par la synthèse des données, couvrant les défis, les méthodes et les applications impactées dans divers domaines.
Discute de la navigation par quadritor en utilisant l'apprentissage de renforcement profond et le contrôle de bas niveau, en mettant l'accent sur l'intelligence visuelle et la robustesse du modèle de regard.
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 les bases de la localisation et de la cartographie simultanées (SLAM), en se concentrant sur les techniques de création de cartes et la prédiction des mesures.
Couvre les concepts clés de l'apprentissage par renforcement, des réseaux neuronaux, du clustering et de l'apprentissage non supervisé, en mettant l'accent sur leurs applications et leurs défis.
Explore les techniques d'imagerie quantitative pour le génie civil, couvrant les capteurs ToF, la technologie LIDAR, les capteurs à ultrasons, la lumière structurée, les caméras stéréo et l'estimation de la profondeur via l'apprentissage en profondeur.
Explore la logique de la fonction neuronale, le modèle Perceptron, les applications d'apprentissage profond et les niveaux d'abstraction dans les modèles neuronaux.
Couvre l'avenir de l'éducation à l'ETH Zrich, en mettant l'accent sur la croissance des étudiants, les demandes de l'industrie et les stratégies d'enseignement innovantes.
