فلش‌کارت‌های آموزشی یادگیری تقویتی چندعامله برای هماهنگی ربات‌های صنعتی در عملیات بازرسی گسترده

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب یادگیری تقویتی چندعامله برای هماهنگی ربات‌های صنعتی در عملیات بازرسی گسترده

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله برای کنترل ربات‌های صنعتی برای انجام وظایف بازرسی و ارزیابی خسارت

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه به یادگیری تقویتی چندعامله
• 2. مقدمه به ربات‌های صنعتی
• 3. مقدمه به عملیات بازرسی گسترده
• 4. چالش‌های هماهنگی در ربات‌های صنعتی
• 5. کاربردهای ربات‌های صنعتی در بازرسی
• 6. مفاهیم پایه یادگیری تقویتی
• 7. عامل‌ها و محیط در یادگیری تقویتی
• 8. حالت، عمل و پاداش
• 9. تابع ارزش و تابع سیاست
• 10. الگوریتم‌های یادگیری تقویتی کلاسیک
• 11. Q-Learning
• 12. SARSA
• 13. Deep Q-Networks (DQN)
• 14. مقدمه به یادگیری تقویتی چندعامله (MARL)
• 15. تفاوت MARL با RL تک عامله
• 16. چالش‌های MARL
• 17. هماهنگی در MARL
• 18. رقابت در MARL
• 19. تعامل عامل‌ها
• 20. انواع محیط‌های MARL
• 21. محیط‌های مشترک
• 22. محیط‌های مجزا
• 23. محیط‌های ترکیبی
• 24. مدل‌های عامل‌های MARL
• 25. عامل‌های کاملاً مشاهده‌گر
• 26. عامل‌های نیمه‌مشاهده‌گر
• 27. عامل‌های با حافظه
• 28. مفاهیم کلیدی در MARL
• 29. توازن نش (Nash Equilibrium)
• 30. توازن استراتژی مختلط
• 31. توازن استراتژی خالص
• 32. مسائل هماهنگی در MARL
• 33. مسائل ضد هماهنگی
• 34. مسائل همکاری
• 35. مسائل مختلط (همکاری و رقابت)
• 36. الگوریتم‌های MARL
• 37. Independent Q-Learning (IQL)
• 38. Multi-Agent Deep Deterministic Policy Gradient (MADDPG)
• 39. Counterfactual Multi-Agent Policy Gradients (COMA)
• 40. Value Decomposition Networks (VDN)
• 41. QMIX
• 42. اتاق مشترک (Shared Experience)
• 43. تجربه مجزا (Individual Experience)
• 44. استراتژی‌های یادگیری سیاست در MARL
• 45. استراتژی‌های مبتنی بر ارزش
• 46. استراتژی‌های مبتنی بر سیاست
• 47. استراتژی‌های ترکیبی
• 48. مکانیسم‌های ارتباطی در MARL
• 49. ارتباط صریح
• 50. ارتباط ضمنی
• 51. یادگیری پروتکل‌های ارتباطی
• 52. نقش هوش مصنوعی در هماهنگی ربات‌ها
• 53. کاربرد MARL در رباتیک صنعتی
• 54. طراحی محیط شبیه‌سازی برای ربات‌های صنعتی
• 55. مدل‌سازی ربات‌های صنعتی
• 56. مدل‌سازی سنسورها و عملگرها
• 57. مدل‌سازی محیط بازرسی
• 58. شبیه‌سازی دینامیک ربات‌ها
• 59. شبیه‌سازی تعامل ربات‌ها
• 60. تعریف مسئله هماهنگی برای بازرسی گسترده
• 61. تعیین اهداف بازرسی
• 62. تعیین وظایف ربات‌ها
• 63. تعیین محدودیت‌ها
• 64. طراحی تابع پاداش برای هماهنگی ربات‌ها
• 65. پاداش‌های مبتنی بر پوشش
• 66. پاداش‌های مبتنی بر کارایی
• 67. پاداش‌های مبتنی بر ایمنی
• 68. پاداش‌های مبتنی بر انرژی
• 69. پیاده‌سازی الگوریتم‌های MARL برای هماهنگی
• 70. انتخاب الگوریتم مناسب
• 71. تنظیم هایپرپارامترها
• 72. آموزش عامل‌ها در محیط شبیه‌سازی
• 73. ارزیابی عملکرد عامل‌ها
• 74. معیارهای ارزیابی هماهنگی
• 75. پوشش ناحیه بازرسی
• 76. زمان تکمیل بازرسی
• 77. تعداد برخوردها
• 78. مصرف انرژی
• 79. قابلیت اطمینان
• 80. مقایسه الگوریتم‌های مختلف MARL
• 81. تحلیل حساسیت به هایپرپارامترها
• 82. اعمال الگوریتم‌های MARL بر روی ربات‌های واقعی
• 83. چالش‌های انتقال از شبیه‌سازی به واقعیت
• 84. کالیبراسیون ربات‌ها
• 85. خطاهای سنسور
• 86. دینامیک غیرخطی
• 87. پیاده‌سازی سیستم‌های کنترل ربات
• 88. ادغام سیستم MARL با سیستم کنترل ربات
• 89. راه‌اندازی و تست میدانی
• 90. مطالعات موردی از کاربرد MARL در بازرسی صنعتی
• 91. بازرسی خطوط لوله
• 92. بازرسی پل‌ها
• 93. بازرسی سدها
• 94. بازرسی سازه‌های بزرگ
• 95. بازرسی مناطق خطرناک
• 96. ملاحظات ایمنی در هماهنگی ربات‌ها
• 97. تشخیص و جلوگیری از برخورد
• 98. مدیریت خطا
• 99. قابلیت اطمینان سیستم
• 100. ملاحظات اخلاقی در استفاده از ربات‌های خودکار