Stanford AA203: Оптимальное управление и управление с обучением | Весна 2026 | Лекция 5: Вычислит...

Лекция 5 — Принцип минимума Понтрягина и вычислительные методы Прочтите сопутствующий учебник «Принципы автономности роботов» бесплатно онлайн: https://porabook.com Чтобы узнать больше о записи на курс AA203 «Оптимальное и основанное на обучении управление», посетите: https://online.stanford.edu/courses/a... Следите за расписанием курса и программой: https://stanfordasl.github.io/aa203/s... Слайды лекций: https://stanfordasl.github.io/aa203/s... Докладчик: д-р Даниэле Гаммелли Биография: д-р Даниэле Гаммелли — директор по исследованиям Лаборатории машинного интеллекта для автономности роботов в итальянском университете. Он является научным сотрудником Института искусственного интеллекта (AI4I) и исследователем в Департаменте аэронавтики и космонавтики Стэнфордского университета. С 2022 года он является научным сотрудником Центра исследований аэрокосмической автономности (CAESAR) в Стэнфорде, а до 2025 года — Центра автомобильных исследований в Стэнфорде (CARS). В 2022 году он получил степень доктора философии в области машинного обучения и математической оптимизации в Техническом университете Дании (DTU), где его докторская диссертация была номинирована на премию DTU «Лучшая диссертация года» и премию DTU для молодых исследователей. Исследования доктора Гаммелли сосредоточены на разработке алгоритмических основ и системных методологий, позволяющих автономным системам на основе ИИ безопасно, эффективно и надежно работать в условиях высокой ответственности, с акцентом на аэрокосмическую автономность и системы мобильности следующего поколения. Преподаватели: Профессор Марко Павоне, доцент кафедры аэронавтики и космонавтики, директор по исследованиям автономных транспортных средств в NVIDIA Доктор Даниэле Гаммелли, директор по исследованиям в Итальянском институте искусственного интеллекта (AI4I), научный сотрудник кафедры аэронавтики и космонавтики Стэнфордского университета Полный плейлист:    • AA203 Optimal and Learning-Based Control |...   #StanfordOnline #OptimalControl #Robotics #PhysicalAI