Sviluppa l'intuizione per le decisioni sequenziali, dagli MDP a PPO e SAC.
RT, OpenVLA, ACT, Diffusion Policy e la famiglia π.
Esplora come applicare i modelli del mondo ai compiti di IA incarnata.
Collega l'apprendimento delle politiche al controllo continuo e ai compiti robotici.
Un corso strutturato da PID e LQR a MPC e controllo di impedenza.
Dai modelli e alberi di riferimento alla pianificazione ad anello chiuso con MoveIt 2.
Transformer, ViT, codificatori visivi e fusione multimodale.
SLAM, contatto dei piedi, percezione tattile e fusione multisensore.
Primi passi con MuJoCo, Isaac Sim, Gymnasium e PyBullet.
Trasformazioni di coordinate, FK/IK, tf2, URDF e MoveIt 2.
Comunicazione di basso livello, protocolli degli attuatori e collegamenti tra host e controllore.
Link, articolazioni, motori, riduttori ed effettori finali.
Dai dati di teleoperazione all'apprendimento per imitazione e all'addestramento delle politiche.
Accedi alle APU Ryzen AI dal browser con ROCm, JupyterHub e Code Server.
Addestramento ACT BF16 su GPU Radeon, valutazione ad anello chiuso e video delle esecuzioni riuscite.
Progetto di punta AMD: apprendimento per rinforzo per la locomozione ed esperimenti VLA.
Segui otto capitoli, dal controllo PD e dalla cinematica all'addestramento delle politiche e alla percezione.
Addestramento PPO parallelo su GPU e andature stabili con mjlab e MuJoCo Warp.
Dalla configurazione dell'ambiente al controllo continuo con InvertedPendulum, Reacher e Pusher.
Addestra ACT con dati di simulazione ALOHA e valutalo su più episodi.
Scopri il corso previsto su addestramento in Isaac Lab e validazione tra simulatori.
Preparati all'apprendimento robotico con dataset, strumenti e robotica classica.
Dal collegamento dell'hardware e dai test di sicurezza alla riproduzione delle azioni su un robot reale.
Valida una politica di simulazione prima di distribuirla su un robot reale.
Contenuto convertito in Markdown. Usa il link alla pagina originale in fondo per esplorare i grafici interattivi.
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。