Visión general
De qué trata este proyecto.
Implementa PID, MPC y tube-MPC en drones PX4-SITL bajo viento; reduce misiones abortadas. Consigue un certificado verificable.
El Briefing
Lo que harás y lo que demostrarás.
Diseñar y validar un controlador robusto que reduzca las misiones abortadas por viento sin degradar el rendimiento en condiciones nominales.
Earning criteria — what you'll demonstrate
- Identificar y validar el modelo dinámico de un cuadricóptero a partir de datos sim
- Implementar MPC con restricciones de actuador en tiempo real
- Diseñar y comparar variantes robustas (tube-MPC, min-max) frente a controladores clásicos
- Cuantificar robustez con métricas operativas (misiones abortadas), no solo control puro
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Advanced 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 canónicosML Researcher
Implementar control robusto y compararlo contra baselines sólidos con métricas operativas conecta con la rutina de quien publica en control robusto aprendido.
Este proyecto afina
- optimal-control
- robust-control
- model-predictive-control
Applied AI Scientist
Convertir teoría de control en mejora operativa documentada es el rol Applied AI Scientist en empresas de robótica aérea.
Este proyecto afina
- model-predictive-control
- system-identification
- robust-control
AI Engineer
Integrar un MPC en un stack PX4 y planear su transferencia a hardware es trabajo AI Engineer típico en drones.
Este proyecto afina
- px4
- python
- model-predictive-control