Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.
AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.
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.
Couvre les exercices corrigés de l'examen 2020 dans le domaine de la robotique, y compris des sujets tels que la précision, la vitesse, les moteurs à courant continu, le rapport d'engrenage optimal, la dynamique des bras de robot, les encodeurs et la cinématique.
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 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.
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 le contrôle conforme pour les robots par impédance et rigidité variable, permettant des interactions sûres et adaptatives avec l'environnement.
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.
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 la robotique autonome, couvrant la cinématique, le contrôle, le contrôle de position, la modélisation, la linéarisation et la compensation de l'avance.
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 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.
Couvre l'élasticité linéaire, la déformation plastique, les types de liaisons dans les solides, et les propriétés élastiques des matériaux cristallins.
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.
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.
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.
