感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
課程簡介
機器人學習介紹
- 機器人技術中機器學習概覽。
- 監督式、非監督式與強化學習之比較。
- 強化學習在控制、導航及操作應用中之範例。
強化學習基礎知識
- 馬可夫決策過程(MDP)。
- 政策、價值與獎勵函數。
- 探索與利用之間的權衡。
經典強化學習演算法
- Q-learning與SARSA。
- 蒙地卡羅法與時間差分方法。
- 價值迭代與政策迭代。
深度強化學習技術
- 結合深度學習與強化學習(深度Q網絡)。
- 政策梯度方法。
- 進階演算法:A3C、DDPG及PPO。
機器人學習之模擬環境
- 使用OpenAI Gym與ROS 2進行模擬。
- 建構用於機器人任務的客製化環境。
- 評估效能與訓練穩定性。
將強化學習應用於機器人技術
- 學習控制與運動策略。
- 運用強化學習進行機器人操作。
- 群組機器人中之多代理強化學習。
優化、部署與現實世界整合
- 超參數調整與獎勵塑形。
- 將已學習的策略從模擬轉移至現實(Sim2Real)。
- 在機器人硬體上部署已訓練模型。
總結與後續步驟
最低要求
- 具備機器學習概念知識。
- 擁有Python程式設計經驗。
- 熟悉機器人技術與控制系統。
受眾對象
- 機器學習工程師。
- 機器人研究人員。
- 開發智能機器人系統的開發者。
21 小時
客戶評論 (2)
提供材料(虛擬機)以便直接進入練習,並解釋Ros2核心。爲什麼某些東西會以特定方式工作。
Arjan Bakema
課程 - Autonomous Navigation & SLAM with ROS 2
機器翻譯
其未來在Robotics中利用AI的知識和應用。
Ryle - PHILIPPINE MILITARY ACADEMY
課程 - Artificial Intelligence (AI) for Robotics
機器翻譯