اپلیکیشن اندرویدی فلش‌کارت آموزشی اصول یادگیری تقویتی چندعامله برای هوش مصنوعی ربات‌های جستجو و نجات

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره اصول یادگیری تقویتی چندعامله برای هوش مصنوعی ربات‌های جستجو و نجات

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

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

📋 سرفصل‌های دوره

• 1. مقدمه بر یادگیری تقویتی تک‑عامله
• 2. آساس‌های MarL و تفاوت‌های آن با RL تک‑عامله
• 3. فریم‌ورک‌های محبوب MarL (MADDPG, QMIX, VDN, COMA و غیره)
• 4. مدلسازی محیط جستجو و نجات به‌عنوان فرآین تصمیم‌گیری ماركوف چند عامله
• 5. تعریف وضعیت و عمل برای روبات‌های جستجو و نجات
• 6. طراحی تابع جایزه برای یافتن nạnین و جلوگیری از تصادف
• 7. به‌کارگیری شبیه‌ساز Gazebo برای تست MarL چند عامله
• 8. استفاده از ROS2 در پیاده‌سازی الگوریتم‌های MarL
• 9. مفاهیم یادگیری децентралиزد مع آموزش مرکزی و اجرا децентралиزد (CTDE)
• 10. الگوریتم QMIX برای کنترل همکاری روبات‌ها
• 11. الگوریتم MADDPG برای کنترل پیوسته حرکات روبات
• 12. الگوریتم VDN و مقایسهٔ آن با QMIX
• 13. الگوریتم COMA برای تخصیص اعتبار در تیم‌های روبات
• 14. روش‌های مبتنی بر comunicação بین روبات‌ها
• 15. یادگیری پروتکل‌های ارتباطی از طریق MarL
• 16. مکانیзмы attenion برای تبادل اطلاعات
• 17. آموزش MarL با استفاده از curriculum learning
• 18. تنظیم هيپرپارامترها برای MarL در محیط‌های جستجو و نجات
• 19. ارزیابی عملکرد MarL با معیارهای نرخ موفقیت، زمان یافتن و taux تصادف
• 20. تحلیل یادگیری چند عامله در स्थितی‌های partiellement observable
• 21. استفاده از belief states و POMDP در MarL برای روبات‌های جستجو
• 22. ترکیب SLAM با MarL برای ساخت نقشه مشترک
• 23. آموزش MarL برای reparto ناحیه جستجو (تقسیم نواحی)
• 24. استراتژی‌های تفکیک وظایف (task allocation) مبتنی بر MarL
• 25. یادگیری MarL برای جلوگیری از تصادف در فضاهای چنگال
• 26. آموزش MarL برای مسیر یابی بهینه در محیط‌های disastrous
• 27. استفاده از hiérarchical RL (HRL) در MarL برای روبات‌های جستجو
• 28. سطوح مهارت:.navigation de base vs recherche de victimes
• 29. آموزش MarL با جایزه شکل‌دار برای تشجيع eksploración
• 30. تکنیک‌های eksploración مبتنی بر entropy در MarL
• 31. به‌کارگیری نویز پارامتری برای eksploración مستمر
• 32. استفاده از نمایشات متخصص (imitation learning) برای پیش‌آموزش MarL
• 33. ترکیب imitation learning و تقویت در MarL (DAgger, GAIL)
• 34. رفع چالش non-stationarity در MarL با مدلسازی رقبا
• 35. استفاده از critic مرکزی برای کاهش non-stationarity
• 36. آموزش MarL در محیط‌های multi-agent با تعداد متغیر روبات‌ها
• 37. مقیاس‌پذیری MarL برای تیم‌های بزرگ (≥10 روبات)
• 38. بهینه‌سازی حافظه و محاسبه برای آموزش MarL در سیستم‌های嵌入ه
• 39. استفاده از آموزش توزیع‌شده (Horovod, Ray) برای MarL
• 40. آموزش MarL با استفاده از محیط‌های równoleس (vectorized envs)
• 41. ارزیابی übertragbarkeit سیاست‌های MarL از شبیه‌ساز به دنیای واقعی
• 42. انتقال سیاست (sim-to-real) با domain randomization
• 43. آموزش MarL برای روبات‌های heterogeneous (هوایی، زمینی، شناور)
• 44. تنسيق جوی-زمینی در MarL برای یافتن nạnین در مناطق صعب‌الدسترسی
• 45. استفاده از LiDAR و دوربین‌های depth در percepcione برای MarL
• 46. پردازش تصویر خام با CNN به‌عنوان ورودی برای سیاست‌های MarL
• 47. آموزش MarL با ورودی‌های Lidar point cloud به‌واسطه PointNet
• 48. ترکیب sensor fusion (IMU, GPS, odometry) در حالت ورودی MarL
• 49. طراحی سیاست‌های MarL با خروجی‌های پیوسته (سرعت، زاویه)
• 50. طراحی سیاست‌های MarL با خروجی‌های گسسته (دستور‌های déplacement discret)
• 51. به‌کارگیری action masking برای جلوگیری از اقدامات غيرمجاز (مثل تصادف)
• 52. آموزش MarL با Constrained RL برای تضمین محدودیت‌های ایمنی
• 53. استفاده از Lagrange multipliers برای بهینه‌سازی تحت محدودیت انرژی
• 54. آموزش MarL برای حداکثر رساندن زمان عملแบطاری
• 55. به‌کارگیری reward shaping مبتنی بر فاصله بهเหยื่อ
• 56. آموزش MarL برای یافتن چندین nạnین متوالی (multi‑task sequencing)
• 57. برنامه‌ریزی مسیر پیش‌emptive با MarL و الگوریتم D*
• 58. به‌کارگیری MarL برای إعادة планン عندما يتعطل الروبوت
• 59. آموزش MarL برای comportamenti de secours (اسلامه اسباب، repeater ارتباط)
• 60. ارزیابی robustness MarL در برابر خرابی حسگر
• 61. آموزش MarL برای tolerence به шумы اندازه‌گیری
• 62. استفاده از Bayesian MARL برای عدم اطمینان در مدل انتقال
• 63. آموزش MarL با یادگیری تقویتی متا (MAML) برای سرعت انطباق در مأموریت‌های جدید
• 64. به‌کارگیری MarL برای آموزش همزمان چندین مأموریت (جستجو، نجات، деконтаминация)
• 65. تحلیل تأثیر تعداد روباتان بر سرعت یاب (قوانین مقیاس)
• 66. مطالعه اثر topology ارتباطات (vollständ، ring، star) بر عملکرد MarL
• 67. آموزش MarL با استفاده از گراف‌های عصبی (GNN) برای مدل‌سازی تعاملات
• 68. ادغام شبکه‌های ارزش مبتنی بر GNN در MarL
• 69. به‌کارگیری critic مبتنی بر attention برای وزن‌دهی پیام‌های همسایه
• 70. طراحی Experiences مقایسه‌ای برای benchmarking الگوریتم‌های MarL در حوزهٔ جستجو و نجات
• 71. گزارش نتایج و نمایش سیاست‌های یادگیری (heatmaps, مسیرها)
• 72. نکات عملی برای استقرار MarL روی روبات‌های واقعی (Jetson, Raspberry Pi)
• 73. بهینه‌سازی زمان inferencing برای سیاست‌های MarL در زمان واقعی
• 74. استفاده از TensorRT یا ONNX برای تسریع inferencing
• 75. بررسی تأخیر ارتباطات بر عملکرد MarL توزیع‌شده
• 76. آموزش MarL برای مقابله با شرایط دینامیک (مثل valanche)
• 77. مطالعه موردی: مأموریت نجات پس از زلزله
• 78. مطالعه موردی: جستجوی naufragés در محیط inondé
• 79. مطالعه موردی: یافتن lost hikers در montagnes
• 80. بهترین شیوه‌های به اشتراک‌گذاری کد و محیط (Docker, Singularity)
• 81. منابع باز: محیط‌های باز (MARL‑SAR, ROS2‑Gazebo)
• 82. جامعهٔ تخصصی و مجلات: کنفرانس‌ها (AAMAS, IJCAI, RSS) و مجلات
• 83. اخلاق استفاده از روبات‌های خودمختار در سناریوهای نجات
• 84. ملاحظات قانونی و مسئولیت در زمان استقرار
• 85. برنامه نگهداری و به‌روزرسانی سیاست‌های MarL آموخته
• 86. ارزیابی اثر زیست‌محیطی کارکرد flotilla روبات‌ها
• 87. استفاده از دیجیتال توین برای تست مستمر سیاست‌ها
• 88. بازگشت از تجربه: leçons tirées des déploiements sur le terrain
• 89. آموزش تیم‌های انسانی برای نظارت بر flotilla روبات‌های MARL
• 90. ادغام سیستم‌های هشدار و ارتباطات اضطراری با روبات‌ها
• 91. تدوین دستورالعمل‌های عملیاتی استاندارد (SOP) برای مأموریت‌های SAR
• 92. табло табло в реальном времени для отслеживания состояния флота (батарея, ссылки, здоровье)
• 93. استفاده از واقعیت افزوده برای یاریoperators در زمین
• 94. سناریوهای آموزش در واقعیت مجازی برایoperators و روبات‌ها
• 95. مقیاس‌پذیری سیستم: از چند روبات تا flotilla از صدها روبات
• 96. مدیریت پهنای باند شبکه در مناطق آسیب‌دیده
• 97. يادگاری و تحمل عطل: راهکارهای جابه‌جایی بین روبات‌ها
• 98. استفاده از پهپاد‌های relay برای گسترش حوزهٔ ارتباطات
• 99. برنامه تأمین انرژی: ایستگاه‌های بارگذاری خودمختار یا تبادل باتری
• 100. نگاه به آینده: MarL چند‑حالتی، یادگیری بدون نظارت، AI قابل‌توضیح