فلش‌کارت‌های آموزشی بهینه‌سازی همکاری ربات‌ها با استفاده از MARL در محیط‌های صنعتی

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب بهینه‌سازی همکاری ربات‌ها با استفاده از MARL در محیط‌های صنعتی

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله برای کنترل ربات‌های صنعتی برای انجام وظایف نگهداری و تعمیر

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه ای بر هوش مصنوعی و رباتیک در صنعت
• 2. مبانی یادگیری تقویتی
• 3. مقدمه ای بر یادگیری تقویتی چند عاملی (MARL)
• 4. مزایای MARL در محیط های صنعتی
• 5. چالش های MARL در محیط های صنعتی
• 6. مفاهیم کلیدی در MARL: عامل، محیط، پاداش، سیاست
• 7. فضای حالت و فضای عمل در MARL
• 8. توابع پاداش و طراحی آنها
• 9. الگوریتم های پایه MARL: Q-learning، SARSA
• 10. توسعه الگوریتم های MARL برای رباتیک صنعتی
• 11. مدل های یادگیری برای عوامل رباتیک
• 12. یادگیری مشاهده ای (Observational Learning)
• 13. یادگیری از طریق تقلید (Imitation Learning)
• 14. یادگیری تقویتی عمیق (Deep Reinforcement Learning - DRL)
• 15. شبکه های عصبی کانولوشنال (CNN) در MARL
• 16. شبکه های عصبی بازگشتی (RNN) در MARL
• 17. شبکه های عصبی ترانسفورمر (Transformer) در MARL
• 18. معماری های DRL برای MARL
• 19. Deep Q-Networks (DQN)
• 20. Actor-Critic Methods
• 21. Proximal Policy Optimization (PPO)
• 22. Asynchronous Advantage Actor-Critic (A3C)
• 23. Multi-Agent Deep Deterministic Policy Gradient (MADDPG)
• 24. Counterfactual Multi-Agent Policy Gradients (COMA)
• 25. Shared Autonomy در MARL
• 26. سیستم های تصمیم گیری سلسله مراتبی (Hierarchical Decision Making)
• 27. تقسیم وظایف در رباتیک صنعتی
• 28. هماهنگی ربات ها برای وظایف مشترک
• 29. حل تعارض بین ربات ها
• 30. مدیریت منابع مشترک
• 31. توزیع وظایف پویا
• 32. یادگیری سیاست های مشترک
• 33. یادگیری سیاست های جداگانه با ارتباط
• 34. یادگیری سیاست های مبتنی بر مشاهده
• 35. یادگیری سیاست های مبتنی بر ارتباطات صریح
• 36. پروتکل های ارتباطی برای ربات ها
• 37. زبان های سیگنالینگ برای ربات ها
• 38. مدل سازی رفتار سایر عوامل
• 39. یادگیری مدل های پیش بینی کننده رفتار
• 40. استفاده از مدل های عوامل برای استراتژی بهتر
• 41. بازی های تکراری و کاربرد آن در MARL
• 42. مفاهیم نظریه بازی ها در MARL
• 43. تعادل نش (Nash Equilibrium)
• 44. تعادل کورنو (Cournot Equilibrium)
• 45. تعادل استاکلبرگ (Stackelberg Equilibrium)
• 46. بازی های صفر و یک (Zero-Sum Games)
• 47. بازی های غیر صفر و یک (Non-Zero-Sum Games)
• 48. بازی های مشارکتی (Cooperative Games)
• 49. بازی های رقابتی (Competitive Games)
• 50. بازی های مختلط (Mixed Games)
• 51. طراحی سیستم های پاداش برای هماهنگی
• 52. پاداش های متمرکز و توزیع شده
• 53. پاداش های مشروط به گروه
• 54. پاداش های مبتنی بر مشارکت
• 55. پاداش های مبتنی بر اهداف مشترک
• 56. یادگیری پاداش از رفتار انسان (Reward Learning from Human Demonstrations)
• 57. یادگیری پاداش از طریق بازخورد انسانی (Reward Learning via Human Feedback)
• 58. ارزیابی عملکرد در MARL صنعتی
• 59. معیارهای ارزیابی: کارایی، سرعت، دقت، مصرف انرژی
• 60. معیارهای ارزیابی: ایمنی، انعطاف پذیری، مقیاس پذیری
• 61. شبیه سازی محیط های صنعتی برای آموزش MARL
• 62. موتورهای شبیه سازی: Gazebo, CoppeliaSim, Unity
• 63. ایجاد محیط های واقع گرایانه
• 64. واقع گرایی حسگرها
• 65. واقع گرایی دینامیک ربات ها
• 66. واقع گرایی فیزیک محیط
• 67. تولید داده برای آموزش
• 68. جمع آوری داده از محیط های واقعی
• 69. استفاده از داده های شبیه سازی شده
• 70. افزایش داده (Data Augmentation)
• 71. انتقال یادگیری (Transfer Learning) از شبیه سازی به واقعیت
• 72. تنظیم دقیق (Fine-tuning) مدل های آموزش دیده
• 73. مدل های رباتیک در محیط های صنعتی: ربات های بازویی، ربات های متحرک، ربات های همکار (Cobots)
• 74. کاربرد MARL در مونتاژ رباتیک
• 75. کاربرد MARL در انبارداری و لجستیک
• 76. کاربرد MARL در بازرسی و نگهداری
• 77. کاربرد MARL در تولید انعطاف پذیر
• 78. کاربرد MARL در مدیریت جریان مواد
• 79. کاربرد MARL در بهینه سازی مصرف انرژی
• 80. کاربرد MARL در بهینه سازی زمان بندی تولید
• 81. کاربرد MARL در ایمنی محیط کار
• 82. کاربرد MARL در کنترل کیفیت
• 83. کاربرد MARL در ربات های خودمختار
• 84. کاربرد MARL در رباتیک توزیع شده
• 85. کاربرد MARL در سیستم های رباتیک مقیاس پذیر
• 86. مواجهه با عدم قطعیت در محیط های صنعتی
• 87. مواجهه با خرابی ربات ها
• 88. مواجهه با تغییرات محیطی غیرمنتظره
• 89. مواجهه با حضور انسان در محیط کار
• 90. پیاده سازی MARL در سیستم های رباتیک واقعی
• 91. ملاحظات سخت افزاری و نرم افزاری
• 92. انتخاب پلتفرم های مناسب
• 93. توسعه نرم افزار و کدنویسی
• 94. مدیریت و نگهداری سیستم های MARL
• 95. امنیت در سیستم های MARL صنعتی
• 96. اخلاق در استفاده از MARL در صنعت
• 97. قابلیت تفسیر (Interpretability) در مدل های MARL
• 98. قابلیت اطمینان (Reliability) در سیستم های MARL
• 99. استانداردها و مقررات در رباتیک صنعتی
• 100. آینده MARL در رباتیک صنعتی