🚁 نشست هفتگی پژوهشی | هفته اول

📅 این هفته به همراه علی جون به بررسی دنیای یادگیری تقویتی می‌پردازیم.

📄 مقاله این هفته:
Dream to Fly: Model-Based RL for Vision-Based Drone Flight

تو این مقاله فرامین کنترلی مستقیم از تصویر استخراج شدن، بدون تخمین حالت!


🔬 آزمایشگاه Robotics and Perception Group: - دانشگاه UZH سوییس
این آزمایشگاه سال‌هاست روی مسابقات پهپادهای FPV به عنوان یک بنچمارک چالش‌برانگیز کنترلی تمرکز کرده. اخیراً با شکست دادن بهترین خلبان‌های انسانی جهان، سروصدای زیادی به پا کردند! 🏆


👥 نویسندگان:
Angel Romero*, Ashwin Shenai*, Ismail Geles, Elie Aljalbout, Davide Scaramuzza

📅 زمان: جمعه‌ ۳۰ آبان، ساعت ۲۲:۳۰
⏱ مدت: ۱ ساعت
🔗 مکان:
https://vc.sharif.edu/ch/alireza-sharifi

⏰ بررسی این مقاله جذاب رو از دست ندید!

🚗 نشست هفتگی پژوهشی | هفته دوم

📅 این هفته به همراه آقا سپهر می‌ریم سراغ یکی دیگه از داغ‌ترین موضوعات دنیا‌ی کنترل و رباتیک: هماهنگی چند وسیله نقلیه خودران در فضاهای تنگ.

📄 مقاله این هفته:
A Distributed Multi-Vehicle Coordination Algorithm for Navigation in Tight Environments
by: R Firoozi, L Ferranti, X Zhang, S Nejadnik, F Borrelli

🔥 تو این مقاله، یک روش نوآورانه‌ی کنترل مدل پیش‌بین توزیع‌شده معرفی شده که اجازه می‌ده چند وسیله نقلیه، مثل خودروهای خودران یا ربات‌های چرخ‌دار، بدون نیاز به یک هماهنگ‌کننده مرکزی، توی فضاهای شلوغ و جاهای‌تنگ مثل پارکینگ‌ها یا بزرگراه، مسیرهاشون رو بدون برخورد پیدا کنن.


🔬 دانشکده مهندسی مکانیک دانشگاه برکلی یکی از قطب‌های اصلی تحقیقات رباتیک و کنترل در دنیاست. آزمایشگاه‌های معروفی مثل Berkeley Artificial Intelligence Research (BAIR) lab و Hybrid Systems Lab اینجا مشغول کارن.

📅 زمان: جمعه‌ ۷ آذر، ساعت ۲۲:۳۰
⏱ مدت: ۱ ساعت
🔗 مکان:
https://vc.sharif.edu/ch/alireza-sharifi


⏰ بررسی این مقاله جذاب رو از دست ندید!

🚀 نشست هفتگی | هفته سوم

این هفته به همراه آقا رضا (خودم🤓) می‌ریم ببینیم در مرزهای فناوری چی می‌گذره.
قرار نگاهی بندازیم به روش‌های طراحی مسیر که برای ریکاوری بوسترهای فضاپیماها، فرود دقیق روی سطوح مریخ/ماه، داکینگ فضاپیماها و طراحی مسیر پهپادها توسط ناسا، اسپس‌اکس و بلو اوریجین استفاده شده:

📕 مقاله این هفته:
🔖 Convex optimization for trajectory generation: A tutorial on generating dynamically feasible trajectories reliably and efficiently

by: Danylo Malyuta, Taylor P. Reynoldsa, Michael Szmuka, Thomas Lewb, Riccardo Bonallib, Marco Pavoneb, and Behçet Açıkmeşe

🔥نویسنده اول این مقاله، برادر عزیزمون آقای Danylo Malyuta مهندس کنترل، هدایت و ناوبری (GNC) شرکت SpaceX است.

📅 زمان: جمعه‌ ۱۴ ذر، ساعت ۲۲:۳۰
⏱ مدت: ۱ ساعت
🔗 مکان:
https://vc.sharif.edu/ch/alireza-sharifi


💥 بررسی این مقاله جذاب رو از دست ندید!

🐕 آدینه پژوهشی |‌ هفته چهارم

🧑‍🎓این هفته علی آقای بنی‌اسد قراره در مورد یادگیری تقویتی در متلب برامون گپ بزنه.
قراره ‌Reinforcment Learning toolbox متلب رو با راهنمایی علی‌آقا بررسی کنیم.

به رسم هر هفته، یه نگاه خیلی مختصر هم به مقاله زیر می‌ندازیم:

📕 مقاله این هفته:
Risk-Aware Reinforcement Learning with Bandit-Based Adaptation for Quadrupedal Locomotion

by: Yuanhong Zeng, Anushri Dixit

🔥 تو این مقاله از دانشگاه UCLA، یک روش برای حرکت ربات‌های چهارپا توی محیط‌های ناشناخته معرفی شده. ایده اینه که به‌جای یک پالیسی واحد، چندتا پالیسی با سطوح مختلف محافظه‌کاری آموزش بدیم (از خیلی محتاط تا خیلی پرریسک) و بعد یک الگوریتم به‌صورت آنلاین، بهترین سیاست رو براساس عملکرد واقعی انتخاب کنه.

📅 زمان: جمعه‌ ۲۱ آذر، ساعت ۲۲:۳۰
⏱ مدت: ۱ ساعت
🔗 مکان:
https://vc.sharif.edu/ch/alireza-sharifi

💥 این جلسه جذاب رو از دست ندید!

🚀 آدینه پژوهشی |‌ هفته پنجم

🔥 جلسه ویژه هفته پژوهش

🧑‍🎓این هفته آقای علیرضا مصطفایی قراره موضوعات پژوهشی یکی از مهمترین آزمایشگاه‌های ناوبری دنیا، یعنی «آزمایشگاه ناوبری و وسایل خودگردان» دانشگاه استنفورد رو بهمون معرفی کنه.

سه حوزه پژوهشی که تو این جلسه بررسی می‌شن:

🌙 ۱. سامانه ناوبری و ارتباطی برای ماه (Lunar PNT)
سؤال اصلی پژوهش: چطور یک سامانه GPS برای ماه بسازیم؟
📄 مقالات این حوزه

🛡️ ۲. ناوبری مقاوم و تلفیق حسگرها
سؤال: چطور اطلاعات رو به‌صورت هوشمند ترکیب کنیم تا ناوبری مقاوم‌تری داشته باشیم؟
📄 مقالات این حوزه

🧠 ۳. یادگیری عمیق امن در ناوبری
سؤال: چطور با یادگیری عمیق روش‌های ناوبری مطمئن و موثر داشته باشیم؟
📄مقالات این حوزه

📅 زمان: جمعه‌ ۲۸ آذر، ساعت ۲۲:۳۰

⏱ مدت‌: ۱ ساعت

🔗 مکان:
https://vc.sharif.edu/ch/alireza-sharifi

💥 این جلسه جذاب رو از دست ندید!

🤖آدینه پژوهشی | هفته ششم

🧑‍🎓این هفته امیر آقای بهاروند قراره در مورد Agentic AI و کاربردش در robotics برامون گپ بزنه.
قراره ببینیم چطور مدل‌های زبانی بزرگ می‌تونن به‌عنوان عامل‌های خودمختار، وظایف پیچیده‌ای مثل طراحی reward function، بهینه‌سازی و تصمیم‌گیری چندمرحله‌ای رو بدون دخالت انسان انجام بدن.

📕 مقاله این هفته:
EUREKA: Human-Level Reward Design via Coding Large Language Models

by: Yecheng Jason Ma, William Liang, et al. (NVIDIA, UPenn, Caltech, UT Austin)

🔥 تو این مقاله، الگوریتم EUREKA معرفی شده که به‌جای انسان، خودش reward function برای یادگیری تقویتی می‌نویسه. از GPT-4 استفاه می‌کنه که کد بنویسه، نتیجه رو ببینه و بهترش کنه. نتیجه؟ در ۸۳٪ موارد بهتر از reward‌هایی که متخصصین انسانی طراحی کردن عمل کرده. به‌عنوان مثال، برای اولین بار تونسته به یک دست رباتیک یاد بده خودکار رو سریع بچرخونه!

📅 زمان: جمعه‌ ۵ دی، ساعت ۲۲:۳۰
⏱ مدت: ۱ ساعت
🔗 مکان:
https://vc.sharif.edu/ch/alireza-sharifi

💥 بررسی این مقاله جذاب رو از دست ندید!

🧑‍🎄 آدینه پژوهشی | هفته هفتم

🔥 جلسه ویژه مرور سال ۲۰۲۵

🧑‍🎓 در آدینه این هفته، بررسی می‌کنیم سالی رو که گذشت، در کنار آقا رضای پردال. تو این جلسه قراره نگاهی بندازیم به مهمترین موضوعات پژوهشی سال ۲۰۲۵ و مقالاتی که در کنفرانس‌های کنترل/رباتیک امسال جایزه گرفتن!

موضاعاتی که بهش می‌پردازیم:

📕 مهمترین پژوهش‌های سال ۲۰۲۵ در دانشگاه MIT (لینک)

📕مقالات منتشرشده در نسخه ۲۰۲۵ ژورنال «Annual Review of Control, Robotics, and Autonomous Systems»
(لینک)

📕 و مقالات جایزه گرفته امسال (لینک)

📅 زمان: جمعه‌ ۱۲ دی، ساعت ۲۲:۳۰
⏱ مدت: ۱ ساعت
🔗 مکان:
https://vc.sharif.edu/ch/alireza-sharifi

💥 این جلسه جذاب رو از دست ندید!

⚠️(این جلسه به دلیل عدم دسترسی به اینترنت لغو و به فصل دوم منتقل شد)⚠️

🛰آدینه پژوهشی | هفته هشتم

🔥فضایی‌ترین ارائه فصل اول آدینه

🧑‍🎓این هفته پارسا خان پاکدامن، از پیش‌کسوتای محیط زیست، قراره در مورد پاک‌بانی فضایی و دینامیک درگیر در محیط فضایی برامون ارائه بده.
این ارائه راجع به طراحی و ساخت ماهواره‌ی کیوبیساست. ماهواره‌ی کیوبیسا با ماموریت پاکسازی زباله‌های فضایی به کمک محموله‌ی تتر طراحی شده و الان در مرحله‌ی ساخت نمونه مهندسیه.

📕 مقاله این هفته:
نداریم. ارائه دهنده خودش یک مقاله‌ی ناطقه. در این جلسه از چالش‌های طراحی ماموریت گرفته تا سختی‌های مسیر ساخت و همچنین مصائب کار تیمی صحبت میشه.

❗️ارائه‌دهنده موکدا تاکید داشتن که زباله تولید نکنید!

📅 زمان: جمعه‌ ۱۹ دی، ساعت ۲۲:۳۰
⏱ مدت: ۱ ساعت
🔗 مکان:
https://vc.sharif.edu/ch/alireza-sharifi

💥 این جلسه جذاب رو از دست ندید!

سلام،

جلسات آخر فصل اول آدینه پژوهشی، از جمله جلسه فضایی‌مون (جلسه هشتم)، به دلیل مشکلات اینترنت برگزار نشد و به فصل دوم منتقل خواهد شد.

در دوره امتحانات جلسه برگزار نمی‌شه ولی مطابق رسم همیشگی، هر هفته یک پژوهش جدید رو در کانال معرفی می‌کنیم.

فصل دوم آدینه بعد از پایان امتحانات آغاز می‌شه.

سپاس از همراهیتون

🏁در پایان فصل اول،

سپاس بی‌کرانمون رو نصیب دوستانی می‌کنیم که دعوت ما رو پذیرفتن و ما رو مهمون دانش‌شون کردن.

و درود می‌فرستیم بر بزرگی اون‌هایی که خودشون پا پیش گذاشتن و داوطلبانه، دانش و تجربه‌ای رو که با دودچراغ و عرق جبین به دست آورده بودن، با ما به اشتراک گذاشتن.

🌱 سپاس‌گزاریم و ادامه دارد...

🔬 معرفی مقاله: محاسبات کوانتومی از دیدگاه کنترل

📄 Quantum Computing through the Lens of Control
✍️ Julian Berberich & Daniel Fink (University of Stuttgart)
📊 IEEE Control Systems, 2024


۱- محاسبات کوانتومی؛ انقلابی که در راهه:

📚 محاسبات کوانتومی علم ذخیره و پردازش اطلاعاته با استفاده از سیستم‌هایی که از قوانین مکانیک کوانتوم پیروی می‌کنن.

💭 اولین بار در دهه ۱۹۸۰ ریچارد فاینمن پیشنهاد کرد که شاید بشه از این اثرات عجیب کوانتومی برای انجام محاسباتی استفاده کرد که از محاسبات کلاسیک بهتر باشه.

🚀 چند سال اخیر پیشرفت‌های عظیمی هم تو ساخت دستگاه‌های کوانتومی و هم تو توسعه و پیاده‌سازی الگوریتم‌های کوانتومی دیدیم.

⚠️ اما هنوز رسیدن به مزیت محاسباتی واقعی روی کامپیوترهای کوانتومی یه مسئله کاملاً باز و چالش‌برانگیزه. کامپیوترهای کوانتومی فعلی قابلیت‌های محدودی دارند: تعداد qubit‌ها چند صدتا بیشتر نیست، تعداد عملیات قابل اجرا محدود است، و شدیداً تحت تأثیر نویزهای مختلف هستند.
به همین دلیل وضعیت فعلی تحقیقات را عصر NISQ می‌نامند: Noisy Intermediate-Scale Quantum یعنی عصر کوانتوم با مقیاس متوسط و پر نویز.

معرفی مقاله: امنیت در رباتیکِ مبتنی بر مدل‌های زبانی بزرگ (LLM)

📄 Trust in LLM-controlled Robotics: A Survey of Security Threats, Defenses and Challenges

✍️ Huang, Xinyu, et al. (The University of Sydney) (2025)

۱- ادغام LLM و رباتیک: قدرت و آسیب‌پذیری

🤖 استفاده از LLMها در رباتیک گامی مهم به سمت رباتهای توانمندتره؛ چون به رباتها اجازه میده دستورات سطح بالای انسانی رو تفسیر کنن و وظایف پیچیده رو اجرا کنن.

⚠️ اما این ادغام یه چالش جدی امنیتی به همراه داره که می‌تونه به اقدامات خطرناک منجر بشه. بر خلاف چت‌بات‌های LLM که آسیب در سطح متنه، اینجا خطر از مرز دیجیتال عبور می‌کنه و وارد دنیای فیزیکی می‌شه: یه خودرو خودران رو می‌شه به تصادف با عابران ترغیب کرد، مثلا.

ادامه در کامنت‌ها...