دوره طراحی و پیاده‌سازی سیستم‌های رباتیک با استفاده از MARL همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره طراحی و پیاده‌سازی سیستم‌های رباتیک با استفاده از MARL

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: رباتیک (Robotics)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری تقویتی چندعامله (MARL) و کاربرد آن در سیستم‌های رباتیک
• 2. مدل‌سازی ریاضی مسائل چندعامله در محیط‌های رباتیک با مارکوف (Dec-POMDP)
• 3. آشنایی با پلتفرم‌ها و محیط‌های شبیه‌سازی فیزیکی رباتیک برای یادگیری تقویتی
• 4. تعریف فضای حالت (State Space) و فضای عمل (Action Space) در ربات‌های همکار
• 5. طراحی توابع پاداش (Reward Functions) تیمی و فردی برای سیستم‌های رباتیک
• 6. بررسی چالش عدم‌ایستایی (Non-stationarity) در یادگیری عامل‌های رباتیک
• 7. معماری یادگیری متمرکز با اجرای غیرمتمرکز (CTDE) در کنترل ربات‌ها
• 8. الگوریتم‌های پایه یادگیری تقویتی چندعامله مبتنی بر گرادیان سیاست
• 9. پیاده‌سازی الگوریتم MADDPG و کاربرد آن در کنترل حرکت هماهنگ ربات‌ها
• 10. الگوریتم‌های ارزش‌محور در چندعامله (QMIX و VDN) برای تجزیه پاداش تیمی
• 11. مسیریابی و ناوبری همزمان گروهی ربات‌های متحرک با روش‌های MARL
• 12. تشکیل دسته و حرکت گروهی (Swarm Robotics) با رویکردهای یادگیری تقویتی
• 13. اشتراک‌گذاری اطلاعات و ارتباطات بین‌عامل (Communication-based MARL) در رباتیک
• 14. مدیریت برخورد و اجتناب از موانع دینامیک در ناوگان ربات‌های خودکار
• 15. کنترل بازوهای رباتیک چندگانه در خطوط مونتاژ با سیاست‌های چندعامله
• 16. مدیریت انرژی و بهینه‌سازی مصرف باتری در ناوگان ربات‌های سیار
• 17. انتقال از شبیه‌سازی به دنیای واقعی (Sim-to-Real Transfer) در رباتیک MARL
• 18. مدیریت عدم‌قطعیت و نویز حسگرها در تصمیم‌گیری‌های چندعامله رباتیک
• 19. تست، عیب‌یابی و ارزیابی عملکرد سیاست‌های یادگرفته‌شده در محیط‌های آزمایشی
• 20. پروژه جامع: طراحی و پیاده‌سازی یک ناوگان رباتیک خودمختار برای حمل بار با الگوریتم‌های MARL