Fondamenti di Pianificazione Non Lineare Robusta e Consapevole del Rischio

I moderni sistemi autonomi devono operare in sicurezza in ambienti reali e imprevedibili. Per costruire robot e veicoli veramente affidabili, gli ingegneri devono andare oltre i semplici modelli lineari e imparare a pianificare percorsi che tengano sistematicamente conto dell'incertezza fisica e del rischio. Questo corso basato su testo introduce i concetti matematici fondamentali e le tecniche di ottimizzazione necessarie per verificare la sicurezza e il controllo dei sistemi dinamici non lineari in condizioni di incertezza. Passerete dai concetti di probabilità di base a formulazioni avanzate di ottimizzazione convessa, preparandovi ad analizzare e proteggere sistemi robotici reali. Cosa imparerai: - Comprendere la matematica fondamentale dei sistemi dinamici non lineari e della modellazione dell'incertezza. - Imparare a formulare problemi di verifica della sicurezza utilizzando framework di pianificazione robusti e consapevoli del rischio. - Esplorare la teoria delle misure, dei momenti e dei polinomi non negativi per l'analisi dei sistemi. - Configurare la programmazione semidefinita e i modelli di ottimizzazione convessa per risolvere problemi di controllo complessi. - Applicare concetti di ottimizzazione moderni e modelli di modellazione CVXPY basati su Python per tradurre la teoria in formulazioni strutturate. - Analizzare i limiti di rischio e le garanzie di sicurezza per veicoli autonomi e sistemi robotici. Questo corso inizia con la terminologia essenziale, le basi della probabilità e le definizioni fondamentali dei sistemi dinamici. Da lì, progredirete attraverso la matematica dei polinomi non negativi, la programmazione semidefinita e le strategie di formulazione pratiche per il controllo robusto. Progettato per studenti di ingegneria, appassionati di robotica e sviluppatori con una preparazione di base in calcolo e algebra lineare, questo corso non richiede alcuna esperienza precedente con l'ottimizzazione avanzata. Inizia a leggere oggi per padroneggiare i fondamenti matematici della pianificazione robotica consapevole del rischio.