کتاب کاربرد مدل‌های بدون مدل در ربات‌های خودمختار با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کاربرد مدل‌های بدون مدل در ربات‌های خودمختار

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: مدل‌های بدون مدل (Model-free RL)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری تقویتی و رباتیک
• 2. مروری بر یادگیری تقویتی چندعامله (MARL)
• 3. مبانی مدل‌های بدون مدل در یادگیری تقویتی
• 4. Q-Learning: اصول و الگوریتم
• 5. SARSA: اصول و الگوریتم
• 6. تفاوت‌های کلیدی بین Q-Learning و SARSA
• 7. استفاده از Q-Learning در کنترل ربات‌های ساده
• 8. استفاده از SARSA در کنترل ربات‌های ساده
• 9. Deep Q-Network (DQN): معرفی و معماری
• 10. بهینه‌سازی DQN برای ربات‌های خودمختار
• 11. تجربه ری‌پلی (Experience Replay) و اهمیت آن
• 12. شبکه‌های هدف (Target Networks) و پایداری یادگیری
• 13. روش‌های کاوش (Exploration Strategies) در رباتیک
• 14. Epsilon-Greedy Exploration
• 15. Softmax Exploration
• 16. استفاده از DQN برای کنترل ربات‌های با درجه آزادی بالا
• 17. روش‌های پیشرفته DQN: Double DQN و Dueling DQN
• 18. Policy Gradient Methods: مقدمه‌ای
• 19. REINFORCE: الگوریتم و کاربردها
• 20. Actor-Critic Methods: معرفی و مزایا
• 21. A2C و A3C: پیاده‌سازی و کاربرد در رباتیک
• 22. Proximal Policy Optimization (PPO): الگوریتم و تنظیمات
• 23. Trust Region Policy Optimization (TRPO): الگوریتم و کاربردها
• 24. یادگیری تقویتی سلسله مراتبی (Hierarchical RL) برای ربات‌ها
• 25. استفاده از یادگیری تقویتی برای ناوبری ربات
• 26. کنترل ربات‌های چندپایی با استفاده از یادگیری تقویتی بدون مدل
• 27. یادگیری تقویتی برای دستکاری اشیاء توسط ربات‌ها
• 28. بهینه‌سازی مسیر و برنامه‌ریزی حرکت با استفاده از MARL
• 29. همکاری چند رباتی با استفاده از MARL
• 30. یادگیری تقویتی توزیع‌شده (Distributed RL) برای رباتیک
• 31. چالش‌های یادگیری تقویتی در دنیای واقعی (Real-World RL)
• 32. انتقال یادگیری (Transfer Learning) در رباتیک
• 33. یادگیری تقویتی مقاوم (Robust RL) در برابر نویز و عدم قطعیت
• 34. یادگیری تقویتی آفلاین (Offline RL) و استفاده از داده‌های جمع‌آوری شده
• 35. یادگیری تقویتی ایمن (Safe RL) برای ربات‌های خودمختار
• 36. تکنیک‌های کاهش نمونه (Sample Efficiency) در یادگیری تقویتی
• 37. استفاده از شبیه‌سازی برای آموزش ربات‌ها (Sim-to-Real Transfer)
• 38. معرفی ابزارهای شبیه‌سازی رباتیک (Gazebo, V-REP, MuJoCo)
• 39. بهینه‌سازی پاداش (Reward Shaping) در رباتیک
• 40. یادگیری تقویتی و بینایی ماشین (Computer Vision)
• 41. یادگیری تقویتی و پردازش زبان طبیعی (NLP) برای ربات‌های خدماتی
• 42. کاربردهای MARL در ربات‌های جستجو و نجات
• 43. کاربردهای MARL در ربات‌های صنعتی
• 44. کاربردهای MARL در خودروهای خودران
• 45. آینده یادگیری تقویتی بدون مدل در رباتیک