Stanford AA203: Оптимальное и основанное на обучении управление | Весна 2026 | Лекция 7: Динамиче...

Лекция 7 — Динамическое программирование и дискретно-временной LQR Прочтите сопутствующий учебник «Принципы автономности роботов» бесплатно онлайн: https://porabook.com Чтобы узнать больше о записи на курс AA203 «Оптимальное и обучающееся 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: Профессор Марко Павоне Биография: Доктор Марко Павоне — доцент кафедры аэронавтики и космонавтики Стэнфордского университета и студент старшего курса. Директор по исследованиям автономных транспортных средств в NVIDIA. До прихода в Стэнфорд он работал научным сотрудником в секции робототехники Лаборатории реактивного движения НАСА. Доктор Павоне получил степень доктора философии в области аэронавтики и космонавтики в Массачусетском технологическом институте в 2010 году. Его исследования сосредоточены на анализе, проектировании и управлении автономными системами, с особым акцентом на беспилотные автомобили, автономные аэрокосмические аппараты и будущие системы мобильности. Он был удостоен многочисленных наград, в том числе Президентской премии для молодых ученых и инженеров от президента Барака Обамы, премии Управления военно-морских исследований для молодых исследователей, премии NSF CAREER, премии НАСА для молодых преподавателей, премии IEEE Kiyo Tomiyasu, премии CSS за техническое превосходство в области управления аэрокосмической техникой и премии Early-Career Spotlight от Фонда робототехники и систем. 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