News

Nous commençons notre randonnée dans une vallée typiquement suisse : des champs verdoyants bien entretenus, quelques chalets confortables, mais surtout un troupeau de vaches curieuses qui nous accueillent.

Dans notre nouvelle série d'explications, laissez Wouter Jongeneel vous faire découvrir à la fois la Suisse et le contrôle automatique.

This time host Alberto Padoan takes us on a deep dive into some of the main pillars of modern control theory. From Kalman's paradigm-shifting state-space approach to the space race, complex networks, and more...

You've probably heard of reinforcement learning (or RL for short) if you've spent any time reading about technology or control theory, but what does it really mean? Let us explain.

Tout le monde a entendu parler de l'"algorithme de Google" et d'autres algorithmes de médias sociaux utilisés pour trouver le contenu le plus intéressant pour chaque personne. Mais qu'est-ce que cela signifie réellement ? Comment cela fonctionne-t-il et que se passe-t-il à l'intérieur de votre ordinateur ?

Que signifie la stabilité dans la théorie du contrôle et quel est le rapport avec les formes ? Prenez un stylo, un rouleau de papier toilette vide et une paire de ciseaux : Wouter Jongeneel a quelque chose à vous apprendre.

If you've heard about game theory but don't really know what it is or what it means, this game by Nicky Case is a great starting point. (please note that Nicky Case is not associated with NCCR Automation - we just think this is a great resource).

The distinction between “convex” or “non-convex” optimization isn’t just a technicality. Convexity makes for calculations that can guarantee the best result in an automated process – here’s how.

Humans have been trying to do more with less for a very long time. We’d like cars and planes that go further but use less fuel and have a smaller carbon footprint. We’d like food that is optimally nutritious but also affordable, and we’d like energy solutions for our house, cities and countries that are effective but also green and affordable.

Si les réseaux neuronaux atteignent souvent des performances impressionnantes, ils ne parviennent pas toujours à saisir des concepts simples que les humains comprennent intuitivement - une lacune qui peut même mettre des vies en danger. Mais pouvons-nous transférer nos connaissances humaines aux réseaux neuronaux pour les aider à apprendre des solutions plus significatives ? Loris Di Natale, chercheur au PRN Automation, a un plan pour s'assurer que les machines automatisées ne nous excluent pas.