دوره کاربرد یادگیری تقویتی چندعامله در ناوبری پهپادهای گروهی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کاربرد یادگیری تقویتی چندعامله در ناوبری پهپادهای گروهی

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله برای کنترل پهپادهای گروهی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر ناوبری پهپادهای گروهی
• 2. چالش‌های ناوبری پهپادهای گروهی
• 3. مفاهیم پایه یادگیری تقویتی
• 4. مقدمه‌ای بر یادگیری تقویتی چندعامله (MARL)
• 5. محیط‌های MARL در ناوبری پهپاد
• 6. الگوریتم‌های پایه MARL: Q-Learning مستقل
• 7. الگوریتم‌های پایه MARL: SARSA مستقل
• 8. محدودیت‌های رویکردهای مستقل در MARL
• 9. مقدمه‌ای بر توابع ارزش مرکزی (Centralized Value Functions)
• 10. الگوریتم‌های ارزش مرکزی: QMIX
• 11. الگوریتم‌های ارزش مرکزی: VDN
• 12. الگوریتم‌های سیاست‌محور (Policy Gradient) در MARL
• 13. الگوریتم‌های سیاست‌محور: REINFORCE چندعامله
• 14. الگوریتم‌های سیاست‌محور: PPO چندعامله
• 15. الگوریتم‌های Actor-Critic چندعامله
• 16. ارتباطات و تبادل اطلاعات بین پهپادها
• 17. مدل‌سازی ارتباطات پهپادها برای MARL
• 18. تاثیر تاخیر در ارتباطات بر عملکرد MARL
• 19. استراتژی‌های مدیریت تداخل در ارتباطات
• 20. یادگیری تقویتی با پاداش‌های مشترک (Shared Rewards)
• 21. یادگیری تقویتی با پاداش‌های فردی (Individual Rewards)
• 22. طراحی پاداش برای ناوبری پهپادهای گروهی
• 23. یادگیری تقویتی با پاداش‌های شکل‌دهی (Reward Shaping)
• 24. مفاهیم اولیه شبیه‌سازی پهپادها
• 25. محیط‌های شبیه‌سازی پهپاد: Gazebo
• 26. محیط‌های شبیه‌سازی پهپاد: AirSim
• 27. پیاده‌سازی MARL در Gazebo
• 28. پیاده‌سازی MARL در AirSim
• 29. استفاده از کتابخانه‌های MARL: Ray RLlib
• 30. استفاده از کتابخانه‌های MARL: PettingZoo
• 31. مقدمه‌ای بر یادگیری انتقال (Imitation Learning) در MARL
• 32. یادگیری انتقال از ترفیک هوایی واقعی
• 33. استفاده از یادگیری انتقال برای پیش‌آموزش MARL
• 34. یادگیری تقویتی چندعامله با حافظه (Recurrent MARL)
• 35. شبکه‌های LSTM در MARL برای ناوبری
• 36. مدل‌سازی عدم قطعیت در MARL
• 37. Robust MARL برای مقابله با نویز سنسورها
• 38. یادگیری تقویتی چندعامله با رویت جزئی (Partial Observability)
• 39. استفاده از فیلترهای Kalman در MARL
• 40. یادگیری تقویتی چندعامله با محدودیت‌های محاسباتی
• 41. بهینه‌سازی MARL برای منابع محدود
• 42. یادگیری تقویتی چندعامله با در نظر گرفتن امنیت سایبری
• 43. تشخیص و مقابله با حملات در MARL
• 44. ارزیابی عملکرد الگوریتم‌های MARL در ناوبری
• 45. معیارهای ارزیابی: موفقیت در رسیدن به هدف، زمان، مصرف انرژی
• 46. تحلیل حساسیت پارامترهای MARL
• 47. تنظیم هایپرپارامترهای MARL
• 48. یادگیری تقویتی چندعامله توزیع‌شده (Distributed MARL)
• 49. استفاده از محاسبات ابری برای MARL
• 50. یادگیری تقویتی چندعامله با انتقال دانش (Transfer Learning)
• 51. انتقال دانش از شبیه‌سازی به دنیای واقعی (Sim-to-Real)
• 52. یادگیری تقویتی چندعامله سلسله مراتبی (Hierarchical MARL)
• 53. طراحی ساختارهای سلسله مراتبی برای ناوبری گروهی
• 54. یادگیری تقویتی چندعامله با محدودیت‌های قانونی و ایمنی
• 55. ادغام قوانین پرواز در الگوریتم‌های MARL
• 56. تکنیک‌های کاهش ریسک در MARL
• 57. کاربردهای پیشرفته MARL در ناوبری پهپاد: جستجو و نجات
• 58. کاربردهای پیشرفته MARL در ناوبری پهپاد: نقشه‌برداری
• 59. کاربردهای پیشرفته MARL در ناوبری پهپاد: بازرسی
• 60. چالش‌های پیاده‌سازی MARL در پهپادهای واقعی
• 61. مسائل مربوط به سخت‌افزار و نرم‌افزار
• 62. آینده یادگیری تقویتی چندعامله در ناوبری پهپادهای گروهی