活动报名｜UC Berkeley李钟毓：足式机器人上结合“基于模型的优化控制”与“无模型的强化学习”...

11月10日（周四）10:00-11:00「青源Live 第52期丨李钟毓：如何在足式机器人上结合基于模型的优化控制与无模型的强化学习」将在线举办，加州大学伯克利机械工程专业博士生李钟毓将作学术报告，欢迎预约观看并参与线上交流。

李钟毓

加州大学伯克利博士生

加州大学伯克利机械工程专业的四年级博士生，专注于足式机器人的优化控制和强化学习，本科毕业于浙江大学机械电子工程专业。他的工作使双足机器人Cassie能够执行稳健和敏捷步态，并在未知和复杂的环境中自主导航。他的工作还使四足机器人能够充当导盲犬、足球射手、守门员，并能互相协作完成复杂任务。他曾多次入围机器人学顶会的最佳论文，包括Best Entertainment and Amusement Paper Finalist (IROS 2020), Best Service Robot Paper Finalist (ICRA 2021), 和 Best RoboCup Paper Finalist (IROS 2022)。

双足机器人Cassie

“

如何在足式机器人上结合基于模型的优化控制与无模型的强化学习

本次报告中，李钟毓将简要介绍最近在现实世界的足式机器人上应用最优控制和深度强化学习（RL）的进展。详细介绍用来利用无模型RL来使足式机器人（包括双足机器人Cassie和四足机器人）在现实世界中执行敏捷和稳健步态的一些技术细节。

报告随后将深入探讨其最近的工作，在高度非线性和复杂的系统（例如双足机器人Cassie）上结合基于模型的安全攸关控制（safety-critical control）和无模型强化学习。在动态机器人上结合基于模型的安全性和无模型的RL很有吸引力，因为基于模型的方法能够提供完备的安全保证，而基于RL的方法能够通过从全阶系统动力学中学习来利用机器人的敏捷性。李钟毓将讨论一种将它们结合起来的新方法——明确地找到由RL策略控制的系统的低维模型，并在该简单模型上应用稳定性和安全性保证。

活动时间：11月10日（周四）10:00-11:00

活动形式：线上直播

扫码或点击“阅读原文”报名，参与智源社区直播和交流

更多内容 尽在智源社区公众号