Aude Billard

Nationalité: swiss

EPFL STI IMT LASA
ME A3 393 (Bâtiment ME)
Station 9
1015 Lausanne

EPFL STI IEM LASA
ME A3 393 (Bâtiment ME)
Station 9
1015 Lausanne

EPFL STI IEM LASA
ME A3 393 (Bâtiment ME)
Station 9
1015 Lausanne

EPFL STI IEM LASA
ME A3 393 (Bâtiment ME)
Station 9
1015 Lausanne

EPFL STI IEM LASA
ME A3 393 (Bâtiment ME)
Station 9
1015 Lausanne

EPFL STI IEM LASA
ME A3 393 (Bâtiment ME)
Station 9
1015 Lausanne

Expertise

Machine Learning
Robotics
Mechatronics
Dynamical Systems
Computational Neuroscience

Publications représentatives

Full List of Publications, see link

Aude Billard
Published in - Google Scholar in 2026

Enseignement et PhD

Doctorant·es actuel·les

Kuanqi Cai, Erfan Etesami, Sthithpragya Gupta, Luyin Hu, Baiyu Peng, Maximilian Schmitz, Arion Louis Viktor Zimmermann

A dirigé les thèses EPFL de

Walid Amanhoud (2021), Iason Batzianoulis (2019), Michael Bosongo Bombile (2022), Sylvain Calinon (2007), Guillaume Pierre Luc De Chambrier (2016), Nuno Ricardo Ferreira Duarte (2023), Bernardo Fichera (2024), Nadia Barbara Figueroa Fernandez (2019), David Julian Gonon (2023), Elena Gribovskaya (2012), Florent Günter (2009), Jacob Hernandez Sanchez (2022), Micha Hersch (2009), Lukas Huber (2024), Fumiaki Iwane (2021), Farshad Khadivar (2022), Seyed Mohammad Khansari Zadeh (2012), Mahdi Khoramshahi (2019), Seungsu Kim (2014), Mikhail Koptev (2023), Klas Jonas Alfred Kronander (2015), Miao Li (2016), Yang Liu (2025), Luka Lukic (2015), Seyed Sina Mirrazavi Salehian (2018), Basilio Noris (2011), Biljana Petreska von Ritter-Zahony (2010), Eric Sauser (2007), Ashwini Shukla (2014), Nicolas Sommer (2017), Ravin Luis De Souza (2016), Lucia Ureche (2018), Kunpeng Yao (2022), Hang Yin (2018)

Cours

Learning and adaptive control for robots

MICRO-462

Pour s'adapter a la dynamique du monde, et ne pas presenter un risque pour les humains qui les entourent, les robots doivent pouvoir modifier en temps reel leur chemin. Ce cours presente des methods pour permettre aux robots de reagir dans la milliseconde.

Machine learning I

MICRO-455

Les applications d'ingénierie du monde réel font face à un vaste ensemble de variables dynamiques, qui ne peuvent pas être bien approximées par des modèles classiques. Ce cours donne un aperçu des méthodes de Machine Learning pour l'analyse de données non linéaires, bruyantes et multidimensionnelles

Machine learning programming

MICRO-401

Il s'agit d'un cours basé sur la pratique, où les étudiants programment des algorithmes en "machine learning" et évaluent la performance de l'algorithme de façon approfondie en utilisant un ensemble de données du monde réel.

Robotics practicals

MICRO-453

L'objectif de cette série de travaux pratiques est d'appliquer les différents cadres théoriques acquis dans les cours sur une variété de robots, allant des robots industriels aux robots mobiles autonomes, en passant par les dispositifs robotiques, jusqu'aux robots interactifs.