Visión general
De qué trata este proyecto.
Diseña un PID y un control adaptativo para un dron agrícola en simulación. Mide errores y consumo. Obtén un certificado verificable.
El Briefing
Lo que harás y lo que demostrarás.
Comparar un controlador adaptativo frente a un PID clásico para un cuadricóptero con masa variable y perturbaciones de viento, y justificar la elección.
Earning criteria — what you'll demonstrate
- Implementar control PID y control adaptativo en un sistema multivariable
- Diseñar simulaciones con perturbaciones realistas
- Comparar enfoques de control con métricas operativas
- Comunicar trade-offs de control a una audiencia técnica
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Robotics
Master · Ai Ml
Fit score: 1
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Trayectorias profesionales que esto construye
Roles canónicosIngeniero/a de IA
Diseñar e integrar controladores adaptativos sobre un simulador estándar y justificar la elección con datos es el tipo de trabajo de integración que las personas AI Engineer realizan en empresas de robótica aérea.
Este proyecto afina
- adaptive-control
- simulation
- python
Científico/a Aplicado/a de IA
Comparar metodologías clásicas y modernas bajo perturbaciones realistas refleja el patrón de investigación aplicada que se valora en empresas agritech y de robótica.
Este proyecto afina
- adaptive-control
- control-theory
- evaluation
Ingeniero/a de Aprendizaje Automático
El énfasis en evaluación reproducible y documentación técnica es lo que distingue a una persona MLE senior; este reto practica esa disciplina sobre control adaptativo.
Este proyecto afina
- evaluation
- python
- simulation