Introduit les bases des automates finis, y compris les types déterministes et non déterministes, les expressions régulières et les critères d'acceptation.
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.
Explore l'apprentissage et le contrôle adaptatif pour les robots, en mettant l'accent sur les défis, la planification de parcours avec des systèmes dynamiques, et les applications de planification en temps réel.
Explore la transition des expressions régulières aux automates finis, couvrant la création de lexers, les différents types d'automates et les processus de conversion.
Explore le défi de contrôle dans les systèmes robotiques souples et l'utilisation de modèles simplifiés avec théorie de contrôle non linéaire pour l'exécution dynamique des tâches.
Explore les concepts de contrôle hiérarchique en robotique, y compris la commutation, la hiérarchisation et les chaînes d'information, pour atteindre des comportements robotiques complexes.
Couvre les concepts fondamentaux des systèmes logiques, y compris les circuits séquentiels et combinatoires, les diagrammes détat et les machines détat fini.
Explore les circuits logiques synchrones, la modélisation basée sur l'état, les techniques d'optimisation et la minimisation de l'état de la machine à l'état fini.
Explore les circuits logiques synchrones, les techniques de modélisation, la minimisation des états et l'optimisation des machines à états finis pour la réduction de surface.
Couvre la conception et la synthèse des machines à états finis, y compris l'exhaustivité, la cohérence, les états fantômes et les tables de transition.
