Desarrolla la intuición para las decisiones secuenciales, de los MDP a PPO y SAC.
RT, OpenVLA, ACT, Diffusion Policy y la familia π.
Explora cómo aplicar los modelos del mundo a tareas de IA corporizada.
Conecta el aprendizaje de políticas con el control continuo y las tareas robóticas.
Un curso estructurado de PID y LQR a MPC y control de impedancia.
De los modelos y árboles de referencia a la planificación en lazo cerrado con MoveIt 2.
Transformers, ViT, codificadores visuales y fusión multimodal.
SLAM, contacto de los pies, percepción táctil y fusión de sensores.
Primeros pasos con MuJoCo, Isaac Sim, Gymnasium y PyBullet.
Transformaciones de coordenadas, FK/IK, tf2, URDF y MoveIt 2.
Comunicación de bajo nivel, protocolos de actuadores y enlaces entre ordenador y controlador.
Eslabones, articulaciones, motores, reductores y efectores finales.
De los datos de teleoperación al aprendizaje por imitación y al entrenamiento de políticas.
Accede a APU Ryzen AI desde el navegador con ROCm, JupyterHub y Code Server.
Entrenamiento ACT BF16 en GPU Radeon, evaluación en lazo cerrado y vídeos de ejecuciones exitosas.
Proyecto destacado de AMD: aprendizaje por refuerzo para locomoción y experimentos VLA.
Sigue ocho capítulos, desde el control PD y la cinemática hasta el entrenamiento de políticas y la percepción.
Entrenamiento PPO paralelo en GPU y marchas estables con mjlab y MuJoCo Warp.
De la configuración del entorno al control continuo con InvertedPendulum, Reacher y Pusher.
Entrena ACT con datos de simulación ALOHA y evalúalo en varios episodios.
Descubre el curso previsto sobre entrenamiento en Isaac Lab y validación entre simuladores.
Prepárate para el aprendizaje robótico con conjuntos de datos, herramientas y robótica clásica.
De la conexión del hardware y las pruebas de seguridad a la reproducción de acciones en un robot real.
Valida una política de simulación antes de desplegarla en un robot real.
Contenido convertido a Markdown. Usa el enlace a la página original al final para explorar los gráficos interactivos.
执行器负责把电能变成旋转、位移和力矩。后面的 PID 并不是悬空工作的，它最终调的就是这些真实的运动响应。
右侧可以切换三种常见电动执行器，并观察命令与负载变化后它们在到位、掉速和发热上的差别。
带编码器做闭环纠偏，擅长精确到位与稳定保持。
按脉冲逐格前进，结构简单、低速有力，但负载大时可能失步。
高速高效、功率密度高，通常配合驱动器和减速器进入机器人关节。
当前 目标角度: 12°
负载越大，电机越容易出现掉速、发热或保持误差。