Liên hệ với chúng tôi
 Thời gian kéo dài 21 Giờ học

Đề cương khóa học

Giới thiệu về Học tập của Robot

  • Tổng quan về học máy trong robot
  • Học giám sát so với học không giám sát so với học tăng cường
  • Các ứng dụng của RL trong điều khiển, điều hướng và thao tác

Nền tảng của Học tăng cường

  • Quy trình quyết định Markov (MDP)
  • Các hàm chính sách, giá trị và phần thưởng
  • Cân bằng giữa khám phá và khai thác

Các thuật toán RL cổ điển

  • Q-learning và SARSA
  • Các phương pháp Monte Carlo và sai biệt thời gian
  • Lặp giá trị và lặp chính sách

Các kỹ thuật Học tăng cường sâu

  • Kết hợp học sâu với RL (Deep Q-Networks)
  • Các phương pháp gradient chính sách
  • Các thuật toán nâng cao: A3C, DDPG và PPO

Các môi trường mô phỏng cho Học tập của Robot

  • Sử dụng OpenAI Gym và ROS 2 cho mô phỏng
  • Xây dựng các môi trường tùy chỉnh cho các nhiệm vụ robot
  • Đánh giá hiệu suất và độ ổn định của đào tạo

Áp dụng RL vào Robot

  • Học chính sách điều khiển và chuyển động
  • Học tăng cường cho thao tác robot
  • Học tăng cường đa tác nhân trong robot bầy đàn

Tối ưu hóa, Triển khai và Tích hợp thực tế

  • Điều chỉnh siêu tham số và định hình phần thưởng
  • Chuyển giao các chính sách đã học từ mô phỏng sang thực tế (Sim2Real)
  • Triển khai các mô hình đã đào tạo trên phần cứng robot

Tóm tắt và Các bước tiếp theo

Yêu cầu

  • Hiểu biết về các khái niệm học máy
  • Trải nghiệm lập trình với Python
  • Quen thuộc với robot và hệ thống điều khiển

Đối tượng tham gia

  • Kỹ sư học máy
  • Nhà nghiên cứu robot
  • Lập trình viên xây dựng hệ thống robot thông minh

Số người tham gia


Giá cho mỗi học viên

Đánh giá (2)

Các khóa học sắp tới

Các danh mục liên quan