دوره یادگیری تقویتی چندعامله برای ربات‌های تعمیر و نگهداری با اهداف چندگانه همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری تقویتی چندعامله برای ربات‌های تعمیر و نگهداری با اهداف چندگانه

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله برای کنترل ربات‌های صنعتی برای انجام وظایف نگهداری و تعمیر

📋 سرفصل‌های دوره

• 1. کاربرد یادگیری تقویتی چندعامله در ربات‌های تعمیر و نگهداری صنعتی
• 2. الزامات عملیاتی نگهداری و تعمیر در محیط‌های صنعتی
• 3. مبانی یادگیری تقویتی و تفاوت آن با بهینه‌سازی کلاسیک
• 4. مدل تصمیم‌گیری MDP و اجزای عامل رباتیک
• 5. Dec-POMDP برای مشاهده‌پذیری ناقص و تصمیم‌گیری توزیع‌شده
• 6. مدل‌سازی تعاملات همکاری، رقابت و ترکیبی میان ربات‌ها
• 7. ناهم‌جنس‌بودن ربات‌ها، قابلیت‌ها و اطلاعات در سیستم‌های چندعامله
• 8. تعریف اهداف چندگانه در عملیات نگهداری و تعمیر
• 9. طراحی پاداش چندلایه و پرهیز از سوءاستفاده از طراحی پاداش
• 10. بهینه‌سازی Pareto و انتخاب میان اهداف ناسازگار
• 11. شاخص‌های عملکرد فنی، ایمنی، هزینه، زمان و انرژی
• 12. تجزیه وظایف نگهداری به زیروظایف قابل یادگیری
• 13. تخصیص نقش‌های ربات‌ها بر اساس قابلیت و موقعیت
• 14. هماهنگی حرکتی و عملیاتی ربات‌های چندگانه
• 15. تخصیص دینامیک وظایف و منابع محدود
• 16. برنامه‌ریزی مسیر، زمان‌بندی و ترتیب عملیات
• 17. تصمیم‌گیری مشترک تحت عدم قطعیت عملیاتی
• 18. معماری‌های متمرکز، توزیع‌شده و هیبرید MARL
• 19. آموزش متمرکز با اجرای توزیع‌شده CTDE
• 20. هماهنگی بدون ارتباط صریح و یادگیری هماهنگی ضمنی
• 21. ارتباط محدود، تأخیری و قابل اعتماد در شبکه ربات‌ها
• 22. هماهنگی مبتنی بر گراف برای توپولوژی‌های متغیر ربات‌ها
• 23. یادگیری پروتکل ارتباطی و انتخاب پیام‌های مؤثر
• 24. ادغام مشاهدات چندسنسوره و ساخت نمای مشترک از محیط
• 25. یادگیری نمایش اختصاصی و اشتراکی برای ربات‌ها
• 26. مدل‌سازی دینامیک ربات‌ها و اثر اقدامات بر محیط
• 27. مدل‌سازی متقابل رفتار و وضعیت سایر ربات‌ها
• 28. شکل‌دهی پاداش و هدایت چندمنبعی یادگیری
• 29. یادگیری سلسله‌مراتبی و یادگیری گزینه‌ها
• 30. کتابخانه مهارت‌های قابل بازاستفاده در نگهداری
• 31. یادگیری چندوظیفه‌ای و سیاست‌های چندهدفه
• 32. روش‌های ارزش‌محور MARL و یادگیری Q توزیع‌شده
• 33. روش‌های تجزیه ارزش برای ربات‌های همکار
• 34. یادگیری تقویتی مبتنی بر گرادیان سیاست
• 35. روش‌های Actor-Critic در محیط‌های چندعامله
• 36. Actor-Critic توزیع‌شده با ناظر مرکزی
• 37. تخصیص اعتبار به اقدام‌های ربات‌ها
• 38. غیرایستایی و سازگاری با رفتار سایر ربات‌ها
• 39. پایداری، همگرایی و بهینه‌های محلی در آموزش MARL
• 40. اکتشاف در محیط‌های چندعامله و جلوگیری از همگرایی زودهنگام
• 41. بازده نمونه و اشتراک‌گذاری داده میان ربات‌ها
• 42. یادگیری انتقالی و سازگاری دامنه در وظایف جدید
• 43. فلت‌یادگیری برای سفارشی‌سازی سریع سیاست‌ها
• 44. محیط شبیه‌سازی برای تیم‌های رباتیک صنعتی
• 45. دوقلوی دیجیتال و شبیه‌سازی فیزیک‌محور
• 46. شناسایی سیستم و کالیبره‌سازی مدل ربات
• 47. تصادفی‌سازی دامنه و سناریوهای تصادفی نگهداری
• 48. آزمایش سخت‌افزار در حلقه و انتقال از شبیه‌سازی به واقعیت
• 49. محدودیت‌های زمان واقعی و یادگیری آگاه از تأخیر
• 50. یادگیری تقویتی ایمن و محدودسازی فضای اقدام
• 51. اکتشاف ایمن و فیلتر کردن اقدام‌های خطرناک
• 52. Shielded RL و پایش ایمنی در زمان اجرا
• 53. MDP محدود و روش‌های لاگرانژی برای قیود ایمنی
• 54. مشخصات ایمنی رسمی برای تیم‌های رباتیک
• 55. بهینه‌سازی حساس به ریسک و کنترل ریسک‌های دم‌دراز
• 56. یادگیری تقویتی مقاوم در برابر خطاهای سنسور و عملگر
• 57. برآورد عدم قطعیت و تصمیم‌گیری بیزی در ربات‌های چندعامله
• 58. تشخیص خطا و عیب‌یابی با مشاهدات چندرباتی
• 59. نگهداری پیشگیرانه و پیش‌بینی زمان خرابی
• 60. برآورد عمر مفید باقی‌مانده تجهیزات
• 61. برنامه‌ریزی بازرسی و پوشش تطبیقی محیط
• 62. وظایف تمیزکاری، روان‌کاری و پردازش سطح
• 63. تعویض قطعات و دست‌یابی协同 collaborative manipulation
• 64. ترتیب‌دهی تعمیرات و بازیابی از خرابی‌های جزئی
• 65. همکاری انسان و ربات و درک قصد عملیاتی
• 66. هماهنگی ایمن در حضور انسان، موانع و تجهیزات حساس
• 67. عملیات آگاه از انرژی و هزینه برای سیاست‌های نگهداری
• 68. کنترل چندهدفه ایمنی، کیفیت، زمان و منابع
• 69. وزن‌دهی تطبیقی اهداف و ردگیری مرز Pareto در طول آموزش
• 70. سناریوهای استاندارد و معیارهای ارزیابی MARL
• 71. طراحی آزمایش، مدل‌های پایه و مطالعات حذف عامل
• 72. مقیاس‌پذیری برای تیم‌های بزرگ و ارتباط محدود
• 73. تفسیرپذیری، حسابرسی و بازرسی سیاست‌های یاد گرفته‌شده
• 74. امنیت سایبری و اعتماد در ربات‌های صنعتی متصل
• 75. معماری استقرار، پایش، هشدار و بازگشت به نسخه امن
• 76. یادگیری مداوم و به‌روزرسانی سیاست در محیط عملیاتی
• 77. طراحی و ارزیابی پروژه نهایی یک سیستم MARL برای نگهداری چندهدفه