Rita Laezza
Rita Laezza är doktorand i forskargruppen Mekatronik. I sin forskning fokuserar hon på Reinforcement Learning (RL) för robotmanipulation av deformerbara objekt. Rita har en bakgrund inom biomedicinsk teknik vid Chalmers, och gjorde sitt examensarbete om Deep Neural Networks (DNNs) för myoelectric pattern recognition vid Biomechatronics and Neurorehabilitation Lab. Hennes mål är att hantera manipulering av deformerbara objekt genom att kombinera DNNs och kontrollpolicyer baserade på RL-principer. Projektet bedrivs i samarbete med WASP – Wallenberg AI, Autonomous Systems and Software Program.
Visar 11 publikationer
Offline Goal-Conditioned Reinforcement Learning for Shape Control of Deformable Linear Objects
Offline Reinforcement Learning for Shape Control of Deformable Linear Objects from Limited Real Data
Planning and Control for Cable-routing with Dual-arm Robot
ReForm: A Robot Learning Sandbox for Deformable Linear Object Manipulation
Learning Shape Control of Elastoplastic Deformable Linear Objects
Presenting ReForm, a Robot Learning Sandbox for Deformable Linear Object Manipulation
Shape Control of Elastoplastic Deformable Linear Objects through Reinforcement Learning
Ladda ner publikationslistor
Du kan ladda ner denna lista till din dator.
Filtrera och ladda ner publikationslista
Som inloggad användare hittar du ytterligare funktioner i MyResearch.
Du kan även exportera direkt till Zotero eller Mendeley genom webbläsarplugins. Dessa hittar du här:
Zotero Connector
Mendeley Web Importer
Tjänsten SwePub erbjuder uttag av Researchs listor i andra format, till exempel kan du få uttag av publikationer enligt Harvard och Oxford i .RIS, BibTex och RefWorks-format.