فلش‌کارت‌های آموزشی یادگیری تقویتی چندعامله با همکاری و رقابت برای ربات‌های امدادی

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب یادگیری تقویتی چندعامله با همکاری و رقابت برای ربات‌های امدادی

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله برای کنترل ربات‌های جستجو و نجات

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه ای بر یادگیری تقویتی
• 2. مقدمه ای بر یادگیری تقویتی چند عامله
• 3. مقدمه ای بر ربات های امدادی
• 4. چالش های ربات های امدادی
• 5. اهداف یادگیری تقویتی چند عامله برای ربات های امدادی
• 6. مبانی یادگیری تقویتی
• 7. مفهوم عامل
• 8. مفهوم محیط
• 9. مفهوم حالت
• 10. مفهوم عمل
• 11. مفهوم پاداش
• 12. مفهوم سیاست
• 13. مفهوم تابع ارزش
• 14. مفهوم تابع Q
• 15. الگوریتم های یادگیری تقویتی مبتنی بر ارزش
• 16. Q-Learning
• 17. SARSA
• 18. الگوریتم های یادگیری تقویتی مبتنی بر سیاست
• 19. Policy Gradients
• 20. REINFORCE
• 21. Actor-Critic
• 22. مبانی یادگیری تقویتی چند عامله (MARL)
• 23. تفاوت MARL با RL تک عامله
• 24. چالش های MARL
• 25. همگام سازی
• 26. مشاهده پذیری
• 27. تغییر سیاست همکاران
• 28. فضای حالت و عمل بزرگ
• 29. رقابت و همکاری
• 30. انواع سناریوهای MARL
• 31. بازی های مجموع-صفر
• 32. بازی های مجموع-غیر صفر
• 33. همکاری خالص
• 34. رقابت خالص
• 35. تعامل مختلط
• 36. مدل های عامل در MARL
• 37. عوامل مستقل
• 38. عوامل متمرکز
• 39. عوامل نیمه متمرکز
• 40. معماری های عامل در MARL
• 41. شبکه های عصبی عمیق
• 42. شبکه های عصبی کانولوشنال (CNN)
• 43. شبکه های عصبی بازگشتی (RNN)
• 44. شبکه های عصبی ترانسفورمر
• 45. روش های یادگیری تقویتی چند عامله با همکاری
• 46. استراتژی های مبتنی بر پاداش مشترک
• 47. استراتژی های مبتنی بر پاداش تفکیک شده
• 48. استراتژی های مبتنی بر ارتباطات
• 49. استراتژی های مبتنی بر مدل محیط
• 50. روش های یادگیری تقویتی چند عامله با رقابت
• 51. استراتژی های مبتنی بر بازی مجموع-صفر
• 52. استراتژی های مبتنی بر بازی مجموع-غیر صفر
• 53. استراتژی های مبتنی بر تکامل
• 54. روش های یادگیری تقویتی چند عامله با همکاری و رقابت
• 55. استراتژی های مبتنی بر موازنه بازی
• 56. استراتژی های مبتنی بر یادگیری هماهنگ
• 57. استراتژی های مبتنی بر یادگیری تقلیدی
• 58. استراتژی های مبتنی بر شبکه های عصبی مولد تخاصمی (GAN)
• 59. کاربرد MARL در ربات های امدادی
• 60. جستجو و نجات
• 61. شناسایی و نقشه برداری
• 62. حمل و نقل منابع
• 63. ارائه کمک های اولیه
• 64. مدیریت بلایای طبیعی
• 65. ارزیابی سناریوهای ربات های امدادی
• 66. سناریوی زلزله
• 67. سناریوی سیل
• 68. سناریوی آتش سوزی
• 69. سناریوی انفجار
• 70. سناریوی نشت مواد شیمیایی
• 71. پیاده سازی MARL برای ربات های امدادی
• 72. انتخاب معماری عامل
• 73. تعریف تابع پاداش
• 74. تنظیم پارامترهای یادگیری
• 75. شبیه سازی محیط ربات های امدادی
• 76. چارچوب های شبیه سازی
• 77. Gazebo
• 78. CoppeliaSim
• 79. Unity
• 80. PyBullet
• 81. ارزیابی عملکرد ربات های امدادی
• 82. معیارهای ارزیابی
• 83. زمان جستجو
• 84. میزان پوشش
• 85. تعداد قربانیان نجات یافته
• 86. میزان مصرف انرژی
• 87. استقامت ربات ها
• 88. چالش های پیاده سازی در دنیای واقعی
• 89. ارتباطات بی سیم
• 90. محدودیت های محاسباتی
• 91. تغییرات محیطی غیرمنتظره
• 92. ایمنی ربات ها
• 93. اخلاق در ربات های امدادی
• 94. مسائل مربوط به خودمختاری ربات ها
• 95. مسائل مربوط به مسئولیت پذیری
• 96. مسائل مربوط به تصمیم گیری در شرایط اضطراری
• 97. مطالعات موردی ربات های امدادی با استفاده از MARL
• 98. پروژه های تحقیقاتی موجود
• 99. دستاوردها و محدودیت ها
• 100. آینده MARL برای ربات های امدادی