دوره اصول یادگیری تقویتی چندعامله برای هدایت پهپادها همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره اصول یادگیری تقویتی چندعامله برای هدایت پهپادها

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله برای کنترل ربات‌های پرنده

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری تقویتی چندعامله
• 2. مفاهیم اساسی عامل و محیط در یادگیری تقویتی
• 3. مدل‌های ریاضیاتی عامل و محیط
• 4. تابع پاداش و طراحی آن
• 5. فرآیندهای تصمیم‌گیری مارکوف (MDP)
• 6. حل MDP با الگوریتم‌های برنامه‌ریزی پویا
• 7. مدل‌های حالات متغیر و عدم قطعیت
• 8. مقدمه‌ای بر یادگیری تقویتی بدون مدل
• 9. الگوریتم‌های Q-Learning
• 10. الگوریتم‌های SARSA
• 11. یادگیری تقویتی عمیق (Deep RL)
• 12. شبکه‌های عصبی در یادگیری تقویتی
• 13. DQN و انواع آن
• 14. الگوریتم‌های Actor-Critic
• 15. DDPG و TD3
• 16. PPO و TRPO
• 17. یادگیری تقویتی با مدل (Model-Based RL)
• 18. تکنیک‌های یادگیری تقویتی با مدل
• 19. یادگیری تقویتی چندعامله (MARL)
• 20. مفاهیم کلیدی در MARL
• 21. محیط‌های مشترک و محیط‌های توزیع شده
• 22. همکاری و رقابت در MARL
• 23. مدل‌های عامل-مستقل (Independent Learners)
• 24. محدودیت‌های عامل-مستقل
• 25. مدل‌های متمرکز-دیده بان (Centralized Training, Decentralized Execution)
• 26. ACKTR و MADDPG
• 27. یادگیری تقویتی مبتنی بر عامل مرکزی (Centralized Critic)
• 28. معماری‌های شبکه عصبی برای MARL
• 29. استفاده از گراف‌ها در MARL
• 30. یادگیری تقویتی برای هدایت پهپاد
• 31. مدل‌سازی دینامیک پهپاد
• 32. محدودیت‌های دینامیکی پهپاد
• 33. سنسورها و مدل‌های ادراکی پهپاد
• 34. مسیریابی و برنامه‌ریزی مسیر برای پهپاد
• 35. تکنیک‌های مسیریابی کلاسیک
• 36. مسیریابی با یادگیری تقویتی
• 37. مسائل برخورد و اجتناب از موانع
• 38. یادگیری تقویتی برای اجتناب از موانع
• 39. موانع ثابت و متحرک
• 40. تشخیص موانع در محیط
• 41. محیط‌های سه‌بعدی برای هدایت پهپاد
• 42. مدل‌سازی محیط سه‌بعدی
• 43. یادگیری تقویتی در محیط‌های سه‌بعدی
• 44. هدایت گروهی پهپادها (Multi-Drone Coordination)
• 45. مسائل هماهنگی در گروهی از پهپادها
• 46. الگوریتم‌های یادگیری تقویتی برای هماهنگی
• 47. تشکیل آرایش و صف برای پهپادها
• 48. تخصیص وظایف به پهپادها
• 49. یادگیری تقویتی برای تخصیص وظایف
• 50. بهینه‌سازی مصرف انرژی پهپاد
• 51. یادگیری تقویتی برای مدیریت انرژی
• 52. شارژ و دشارژ پهپادها
• 53. برنامه‌ریزی ماموریت‌های طولانی مدت
• 54. یادگیری تقویتی برای برنامه‌ریزی بلندمدت
• 55. امنیت و پایداری در هدایت پهپاد
• 56. حملات سایبری و دفاع در پهپادها
• 57. یادگیری تقویتی برای تشخیص نفوذ
• 58. تحلیل ریسک در ماموریت‌های پهپادی
• 59. مدیریت ریسک با یادگیری تقویتی
• 60. شبیه‌سازی محیط‌های پهپادی
• 61. ابزارهای شبیه‌سازی (Gazebo, AirSim)
• 62. طراحی تابع پاداش برای ماموریت‌های واقعی
• 63. ارزیابی عملکرد الگوریتم‌های MARL
• 64. معیارهای ارزیابی در هدایت پهپاد
• 65. انتقال یادگیری از شبیه‌سازی به واقعیت
• 66. چالش‌های انتقال یادگیری
• 67. مطالعات موردی هدایت پهپاد
• 68. کاربرد در نظارت و بازرسی
• 69. کاربرد در تحقیقات و نجات
• 70. کاربرد در کشاورزی دقیق
• 71. کاربرد در تحویل بسته‌ها
• 72. کاربرد در نقشه‌برداری هوایی
• 73. ملاحظات اخلاقی در استفاده از پهپادها
• 74. قوانین و مقررات مربوط به پهپادها در ایران
• 75. اصول طراحی سیستم‌های یادگیری تقویتی ایمن
• 76. ملاحظات امنیتی در سیستم‌های خودمختار
• 77. کاربرد یادگیری تقویتی در سیستم‌های دفاعی
• 78. مدل‌سازی تهدیدات و پاسخ به آن‌ها
• 79. یادگیری تقویتی برای هدایت تاکتیکی
• 80. برنامه‌ریزی عملیاتی در محیط‌های پیچیده
• 81. تکنیک‌های یادگیری تقویتی پیشرفته
• 82. یادگیری تقویتی با پاداش‌های پراکنده
• 83. یادگیری تقویتی بدون نیاز به مدل کامل محیط
• 84. یادگیری تقویتی عمیق با حافظه طولانی
• 85. یادگیری تقویتی برای اکتشاف محیط
• 86. یادگیری تقویتی برای یادگیری از تجربیات گذشته
• 87. کاربرد در سیستم‌های خودران زمینی
• 88. کاربرد در رباتیک صنعتی
• 89. کاربرد در سیستم‌های لجستیک هوشمند
• 90. کاربرد در مدیریت ترافیک هوایی
• 91. مدل‌سازی رفتار انسان در محیط‌های پیچیده
• 92. یادگیری تقویتی برای تعامل انسان و ربات
• 93. آینده یادگیری تقویتی چندعامله در هدایت پهپاد
• 94. چالش‌های تحقیقاتی پیش رو
• 95. منابع معتبر در یادگیری تقویتی چندعامله
• 96. کتابخانه‌های نرم‌افزاری برای MARL
• 97. نکات مهم در پیاده‌سازی عملی