Planificar pick-and-place en una celda de fabricación congestionada
Visión general
De qué trata este proyecto.
Implementarás RRT-Connect, BIT* y CHOMP en PyBullet para planificar trayectorias robóticas. Compararás resultados y obtendrás un certificado verificable.
El Briefing
Lo que harás y lo que demostrarás.
Comparar planificadores modernos de movimiento en una celda multi-brazo congestionada y elegir el mejor para integración en el stack del cliente.
Earning criteria — what you'll demonstrate
- Implementar y depurar planificadores basados en muestreo y en optimización
- Diseñar benchmarks reproducibles que cuantifiquen éxito, suavidad y latencia
- Manejar simuladores de robótica (PyBullet/MuJoCo) con URDFs propios
- Comunicar trade-offs entre métodos clásicos y modernos a un equipo de integración
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 canónicosMachine Learning Engineer
Comparar y empaquetar algoritmos con benchmarks reproducibles y métricas industriales es ingeniería ML aplicada en robótica.
Este proyecto afina
- motion-planning
- python
- trajectory-optimization
AI Engineer
Llevar planificadores de investigación a una celda real es trabajo típico AI Engineer en proyectos de robótica industrial.
Este proyecto afina
- motion-planning
- ros
- sampling-based-planning
Applied AI Scientist
Justificar la elección de planificador con un estudio cuantitativo es exactamente el rol Applied AI Scientist en robótica.
Este proyecto afina
- sampling-based-planning
- trajectory-optimization
- pybullet