دوره یادگیری تقویتی چندعامله برای کاربردهای رباتیک همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب یادگیری تقویتی چندعامله برای کاربردهای رباتیک

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله برای کنترل ربات‌های خودمختار

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه ای بر یادگیری تقویتی چندعامله
• 2. مبانی یادگیری تقویتی
• 3. مبانی یادگیری تقویتی چندعامله (MARL)
• 4. تفاوت های MARL با RL تک عامله
• 5. چالش های کلیدی در MARL
• 6. فضاهای حالت و عمل مشترک
• 7. فضاهای حالت و عمل مشترک و تجزیه پذیر
• 8. فضاهای حالت و عمل مشترک و غیرقابل تجزیه
• 9. مدل های عامل منفرد در MARL
• 10. مدل های عامل مشترک در MARL
• 11. مدل های عامل نیمه مشترک در MARL
• 12. تعریف مسئله MARL
• 13. مدل های مارکوف تصمیم گیری چندعامله (MMDP)
• 14. فرآیندهای تصمیم گیری پنهان چندعامله (HMDP)
• 15. اهداف در MARL
• 16. اهداف مشترک
• 17. اهداف فردی
• 18. اهداف مختلط
• 19. تعریف پاداش در MARL
• 20. پاداش های جهانی
• 21. پاداش های محلی
• 22. پاداش های مبتنی بر اختلاف
• 23. پاداش های مبتنی بر ارتباط
• 24. پاداش های مبتنی بر همکاری
• 25. پاداش های مبتنی بر رقابت
• 26. پاداش های مبتنی بر رقابت-همکاری
• 27. تعریف تابع ارزش در MARL
• 28. تابع ارزش مشترک
• 29. تابع ارزش فردی
• 30. تابع ارزش مبتنی بر دیدگاه
• 31. الگوریتم های یادگیری در MARL
• 32. روش های مبتنی بر ارزش
• 33. Q-learning تک عامله
• 34. Q-learning چندعامله (تجزیه پذیر)
• 35. Q-learning با حالت-عمل مشترک
• 36. Deep Q-Networks (DQN) تک عامله
• 37. Deep Q-Networks (DQN) چندعامله
• 38. MADDPG (Multi-Agent Deep Deterministic Policy Gradient)
• 39. Method های مبتنی بر سیاست
• 40. Policy Gradient تک عامله
• 41. Policy Gradient چندعامله
• 42. Actor-Critic تک عامله
• 43. Actor-Critic چندعامله
• 44. A3C (Asynchronous Advantage Actor-Critic) چندعامله
• 45. PPO (Proximal Policy Optimization) چندعامله
• 46. الگوریتم های مبتنی بر مدل
• 47. یادگیری از مدل های محیطی
• 48. یادگیری تقویتی مبتنی بر شبیه سازی
• 49. روش های هماهنگ سازی سیاست
• 50. هماهنگ سازی سیاست مبتنی بر مرکز
• 51. هماهنگ سازی سیاست مبتنی بر همکار
• 52. هماهنگ سازی سیاست مبتنی بر رقابت
• 53. روش های کشف و یادگیری هنجارها
• 54. یادگیری هنجارهای اجتماعی
• 55. یادگیری هنجارهای همکاری
• 56. یادگیری هنجارهای رقابت
• 57. یادگیری هنجارهای مبتنی بر اعتماد
• 58. روش های یادگیری ارتباطات
• 59. یادگیری زبان های مصنوعی
• 60. یادگیری پروتکل های ارتباطی
• 61. یادگیری ارتباطات مبتنی بر سیگنال
• 62. یادگیری ارتباطات مبتنی بر اشارات
• 63. کاربرد MARL در رباتیک
• 64. مقدمه ای بر رباتیک و MARL
• 65. ربات های خودمختار
• 66. ربات های متحرک
• 67. ربات های بازوی رباتیک
• 68. ربات های پرنده (پهپادها)
• 69. ربات های زیر آب
• 70. ربات های صنعتی
• 71. ربات های خدماتی
• 72. ربات های انسان نما
• 73. سناریوهای رباتیک با MARL
• 74. تشکیل گروه ربات ها (Formation Control)
• 75. مسیریابی و ناوبری چند ربات
• 76. وظایف مشارکتی ربات ها
• 77. وظایف رقابتی ربات ها
• 78. مدیریت ترافیک رباتیک
• 79. جستجو و نجات با ربات ها
• 80. بازرسی و نگهداری با ربات ها
• 81. تحویل کالا با ربات ها
• 82. رباتیک انبار
• 83. رباتیک کشاورزی
• 84. رباتیک پزشکی
• 85. رباتیک اکتشافی
• 86. رباتیک نظامی
• 87. چالش های خاص MARL در رباتیک
• 88. مقیاس پذیری در سیستم های رباتیک بزرگ
• 89. ناشناخته بودن محیط رباتیک
• 90. نویز و عدم قطعیت در حسگرهای رباتیک
• 91. تاخیر در ارتباطات رباتیک
• 92. محدودیت های محاسباتی رباتیک
• 93. ایمنی در سیستم های رباتیک چندعامله
• 94. قابلیت تفسیرپذیری تصمیمات رباتیک
• 95. روش های ارزیابی عملکرد در MARL رباتیک
• 96. معیارهای ارزیابی
• 97. شبیه سازی رباتیک
• 98. پیاده سازی های واقعی
• 99. مطالعات موردی رباتیک با MARL
• 100. تشکیل گروه ربات های جستجوگر