کتاب صوتی مقدمه‌ای بر یادگیری تقویتی در رباتیک

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مقدمه‌ای بر یادگیری تقویتی در رباتیک

موضوع کلی: برنامه نویسی

موضوع میانی: رباتیک

📋 سرفصل‌های دوره

• 1. مبانی یادگیری تقویتی
• 2. مفاهیم کلیدی یادگیری تقویتی
• 3. مسائل تصمیم‌گیری مارکوف (MDP)
• 4. عناصر MDP: حالات، اعمال، پاداش‌ها، انتقالات
• 5. فضای حالت و فضای عمل
• 6. تابع پاداش و تابع انتقال
• 7. هدف در یادگیری تقویتی: حداکثرسازی پاداش تجمعی
• 8. ارزش حالت (V-value)
• 9. ارزش عمل (Q-value)
• 10. معادله بلمن
• 11. اپراتور بلمن
• 12. اپراتور بلمن بهینه
• 13. یادگیری بدون مدل (Model-Free Learning)
• 14. یادگیری مبتنی بر ارزش (Value-Based Learning)
• 15. یادگیری مبتنی بر سیاست (Policy-Based Learning)
• 16. یادگیری ترکیبی (Actor-Critic)
• 17. روش‌های تکرار ارزش (Value Iteration)
• 18. روش‌های تکرار سیاست (Policy Iteration)
• 19. یادگیری Q (Q-Learning)
• 20. یادگیری SARSA
• 21. یادگیری عمیق تقویتی (Deep Reinforcement Learning)
• 22. شبکه‌های عصبی در یادگیری تقویتی
• 23. تابع تقریب‌کننده (Function Approximator)
• 24. شبکه‌های عصبی کانولوشنی (CNN) برای فضاهای حالت تصویری
• 25. شبکه‌های عصبی بازگشتی (RNN) برای فضاهای حالت ترتیبی
• 26. شبکه‌های عصبی عمیق Q (Deep Q-Networks - DQN)
• 27. مدل‌های DQN پیشرفته (Double DQN, Dueling DQN)
• 28. یادگیری آفلاین (Off-Policy Learning)
• 29. یادگیری آنلاین (On-Policy Learning)
• 30. الگوریتم‌های یادگیری سیاست گرادیان (Policy Gradient Algorithms)
• 31. REINFORCE
• 32. Actor-Critic با گرادیان سیاست
• 33. A2C (Advantage Actor-Critic)
• 34. A3C (Asynchronous Advantage Actor-Critic)
• 35. PPO (Proximal Policy Optimization)
• 36. TRPO (Trust Region Policy Optimization)
• 37. یادگیری تقویتی در رباتیک: چالش‌ها
• 38. مدل‌سازی ربات‌ها
• 39. مدل‌سازی محیط رباتیک
• 40. حالات پیوسته و اعمال پیوسته
• 41. فضاهای حالت و عمل با ابعاد بالا
• 42. عدم قطعیت در محیط رباتیک
• 43. پاداش‌های پراکنده (Sparse Rewards)
• 44. اهمیت اکتشاف (Exploration)
• 45. استراتژی‌های اکتشاف: اپسیلون-حریصانه (Epsilon-Greedy)
• 46. اهمیت بهره‌برداری (Exploitation)
• 47. روش‌های شبیه‌سازی در رباتیک
• 48. موتورهای شبیه‌سازی رباتیک (Gazebo, PyBullet)
• 49. انتقال از شبیه‌سازی به دنیای واقعی (Sim-to-Real Transfer)
• 50. تنظیمات یادگیری تقویتی برای رباتیک
• 51. طراحی تابع پاداش برای ربات‌ها
• 52. تنظیم پارامترهای الگوریتم‌ها
• 53. کاربرد یادگیری تقویتی در ناوبری ربات
• 54. یادگیری تقویتی در مسیریابی ربات
• 55. اجتناب از موانع با یادگیری تقویتی
• 56. کنترل حرکت ربات با یادگیری تقویتی
• 57. یادگیری تقویتی در ربات‌های انسان‌نما
• 58. کنترل دست ربات با یادگیری تقویتی
• 59. یادگیری تقویتی در ربات‌های صنعتی
• 60. بهینه‌سازی مسیر در ربات‌های صنعتی
• 61. کاربرد یادگیری تقویتی در ربات‌های پرنده (پهپاد)
• 62. کنترل پرواز با یادگیری تقویتی
• 63. یادگیری تقویتی در ربات‌های زیردریایی
• 64. یادگیری تقویتی در ربات‌های خانگی
• 65. یادگیری تقویتی در ربات‌های همکار (Cobots)
• 66. یادگیری تقویتی برای وظایف پیچیده رباتیک
• 67. یادگیری تقویتی برای تعامل ربات با انسان
• 68. یادگیری تقویتی برای تنظیمات رباتیک با داده کم
• 69. یادگیری تقویتی با نیاز به داده کم (Few-Shot RL)
• 70. یادگیری تقویتی با داده‌های جمع‌آوری شده از منابع مختلف
• 71. یادگیری تقویتی برای ربات‌های خودمختار
• 72. ملاحظات امنیتی در رباتیک با یادگیری تقویتی
• 73. اخلاق در هوش مصنوعی رباتیک
• 74. مبانی یادگیری ماشین برای رباتیک
• 75. مقدمه‌ای بر آمار و احتمالات در رباتیک
• 76. مبانی کنترل ربات
• 77. مقدمه ای بر پردازش تصویر در رباتیک
• 78. مبانی بینایی ماشین برای رباتیک
• 79. مبانی یادگیری عمیق
• 80. مقدمه ای بر بهینه سازی
• 81. ارزیابی عملکرد الگوریتم‌های یادگیری تقویتی
• 82. روش‌های ارزیابی در رباتیک
• 83. مطالعات موردی موفق در رباتیک با یادگیری تقویتی
• 84. چالش‌های آینده یادگیری تقویتی در رباتیک
• 85. نکات پیشرفته در طراحی پاداش
• 86. یادگیری تقویتی چند عاملی (Multi-Agent RL)
• 87. یادگیری تقویتی در رباتیک با چندین ربات
• 88. هماهنگی ربات‌ها با یادگیری تقویتی
• 89. یادگیری تقویتی برای وظایف مشترک رباتیک
• 90. یادگیری تقویتی با استفاده از حسگرهای متنوع
• 91. یادگیری تقویتی برای ربات‌های نرم
• 92. کاربرد یادگیری تقویتی در ربات‌های پزشکی
• 93. ربات‌های جراح با یادگیری تقویتی
• 94. ربات‌های توانبخشی با یادگیری تقویتی
• 95. یادگیری تقویتی برای ربات‌های کاوشگر
• 96. یادگیری تقویتی برای ربات‌های امداد و نجات
• 97. یادگیری تقویتی برای ربات‌های ناظر