Explore les processus stochastiques contrôlés, en se concentrant sur l'analyse, le comportement et l'optimisation, en utilisant la programmation dynamique pour résoudre les problèmes du monde réel.
Explore la stabilité des équations différentielles ordinaires, en se concentrant sur la dépendance des solutions, les données critiques, la linéarisation et le contrôle des systèmes non linéaires.
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.
Analyse le roll-off haute fréquence, le roll-off gain, les courbes de Bode, la réponse en phase, la stabilité dans les systèmes de rétroaction et les techniques de compensation de fréquence.
Couvre les principes fondamentaux de la théorie du contrôle optimal, en se concentrant sur la définition des OCP, l'existence de solutions, les critères de performance, les contraintes physiques et le principe d'optimalité.
Introduit l'apprentissage par renforcement, couvrant ses définitions, ses applications et ses fondements théoriques, tout en décrivant la structure et les objectifs du cours.
