Prof. Dr. Majid Khadiv

Professur

AI Planning in Dynamic Environments

Wissenschaftliche Laufbahn und Forschungsgebiete

Die Forschungsinteressen von Prof. Majid Khadiv (*1988) umfassen Planung, Steuerung und Lernen für Robotersysteme, wobei der Schwerpunkt auf Fortbewegung und Manipulation liegt. Sein Forschungsziel ist es, theoretische Rahmenbedingungen zu entwickeln, die es einem Fortbewegungs- und Manipulationssystem ermöglichen, autonom mit der Umwelt zu interagieren und kontinuierlich aus diesen Interaktionen zu lernen. Die experimentelle Validierung der entwickelten Algorithmen an realen Robotern ist ebenfalls ein wichtiger Schwerpunkt seiner Forschung.

Prof. Khadiv hat 2017 an der K. N. Toosi University of Technology promoviert. Während seiner Promotion leitete er drei Jahre lang das Dynamik- und Steuerungsteam des nationalen iranischen Projekts für humanoide Roboter, Surena III, und besuchte außerdem ein Jahr lang das Max-Planck-Institut für Intelligente Systeme (MPI-IS). Von 2018-2023 war er wissenschaftlicher Mitarbeiter am MPI-IS. Im September 2023 wurde Prof. Khadiv auf die Professur für KI-Planung in dynamischen Umgebungen an der TUM und dem Munich Institute of Robotics and Machine Intelligence (MIRMI) berufen.

Wichtigste Auszeichnungen

  • Outstanding Reviewer Award, IEEE Robotics and Automation Letters (2023)
  • Best Paper Award, IEEE-RAS Technical Committee on Model-based optimization for robotics (2022)
  • 4x Internal Max Planck institute grants (Grassroots) (2019-2022)

Meduri, A., Shah, P., Viereck, J., Khadiv, M., Havoutis, I., & Righetti, L.: "Biconmp: A nonlinear model predictive control framework for whole body motion planning". IEEE Transactions on Robotics. 2023; 39(2): 905-922.

Abstract

Yeganegi, M. H., Khadiv, M., Del Prete, A., Moosavian, S. A. A., & Righetti, L.: "Robust walking based on MPC with viability guarantees". IEEE Transactions on Robotics. 2021; 38(4): 2389-2404.

Abstract

Ponton, B., Khadiv, M., Meduri, A., & Righetti, L.: "Efficient multicontact pattern generation with sequential convex approximations of the centroidal dynamics". IEEE Transactions on Robotics, 2021; 37(5): 1661-1679.

Abstract

Khadiv, M., Herzog, A., Moosavian, S. A. A., & Righetti, L.: "Walking control based on step timing adaptation". IEEE Transactions on Robotics. 2020; 36(3): 629-643.

Abstract

Bogdanovic, M., Khadiv, M., & Righetti, L.: "Learning variable impedance control for contact sensitive tasks". IEEE Robotics and Automation Letters. 2020; 5(4): 6129-6136.

Abstract

Bei Änderungs- oder Aktualisierungswünschen wenden Sie sich bitte an Franz Langer.