MIT Robotics - Jessy Grizzle - Mathematics and Learning for Bipedal Locomotion

AI视频小助理:
一、密歇根大学机器人研究所的创始人Jesse杰西教授的背景和工作，以及该研究所的计划和研究方向。 00:06 - 介绍Jesse Grizzle的多个头衔和职位，包括机器人研究所所长 01:48 - Jesse Grizzle在机器人技术方面的工作，包括双足机器人运动的研究 06:16 - Jesse Grizzle实验室的目标是解决整个机器人家族的问题，并与康复中心合作 二、关于机器人设计和控制的一些讨论，包括使用开源软件的另一种方式，设计周期缩短，机器人的控制和撞击持续时间等。 08:21 - 交到公司手中，放在帮助今天人们的设备上 08:57 - 阿特柔斯机器人有两个自由度，可以穿上鞋子 11:14 - 我们使用撞击图来建立非线性环境中的模型，使用虚约束方法提取控制器 三、机器人的控制器设计和优化过程，包括基本成分、干扰考虑、成本函数设计和创新之处。同时也提到了一些学生和实验的情况。 16:42 - 开发机器人控制器的创新方法 18:32 - 考虑机器人受到干扰后的反应，设计优化问题 24:13 - 丹尼斯想攻读博士学位，做步行方面的研究，想处理户外地形和外力 四、如何使用机器学习进行轨迹优化，并介绍了丹尼斯的贡献。此外，还介绍了朋克地图和稳定性的检查方法。 25:03 - 需要许多人找到对干扰的反应，年轻人计算轨迹。 27:02 - 使用机器学习建立向量场，优化轨迹。 29:41 - 使用朋克地图检查周期解的稳定性。 五、通过建立一系列轨迹来构建稳定性解决方案的方法，并使用监督机器学习从数据中提取闭环向量场的方法。 33:21 - 通过初始条件索引可以得到解 34:22 - 可以建立一系列轨迹来得到控制解决方案 39:03 - 使用监督机器学习从数据中提取反馈控制函数来建立闭环向量场 六、机器人运动学和控制理论的相关知识，包括状态稳定性、朋克阵列图、不变性、优化等。同时，还介绍了具体的实践方法和技术。 41:47 - 转换是与状态相关的，容易做到，将切换点移动到步骤的中间 43:50 - 现在我们想让这个工作，需要谈谈草书的维度，进行轨迹优化 48:21 - --本内容由AI视频小助理生成，关注解锁AI助理，由@布噜布噜你的头 召唤发送

Infas12:
居然还能听到瓜，很有意思，感谢搬运hhhhh