کتاب صوتی هوش مصنوعی توزیع‌شده برای اتوماسیون رباتیک نگهداری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره هوش مصنوعی توزیع‌شده برای اتوماسیون رباتیک نگهداری

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

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

📋 سرفصل‌های دوره

• 1. مبانی هوش مصنوعی توزیع‌شده در رباتیک نگهداری
• 2. مبانی یادگیری تقویتی چندعامله در محیط‌های صنعتی
• 3. مدل‌سازی وظایف نگهداری و تعمیر به‌عنوان مسئله تصمیم‌گیری
• 4. تعریف عامل، محیط و فضای حالت در ربات‌های نگهداری
• 5. مدل‌سازی فضای عمل برای ربات‌های صنعتی
• 6. مشاهده‌پذیری جزئی در محیط‌های نگهداری
• 7. پاداش‌دهی برای وظایف تعمیر و نگهداری
• 8. طراحی تابع پاداش چندهدفه برای عملیات نگهداری
• 9. مدل‌سازی تیم ربات‌های خودمختار
• 10. هماهنگی توزیع‌شده میان ربات‌های نگهداری
• 11. تقسیم وظایف میان عامل‌های رباتیک
• 12. تخصیص پویا و هوشمند وظایف تعمیراتی
• 13. برنامه‌ریزی مأموریت برای تیم‌های رباتیک
• 14. یادگیری سیاست‌های مشترک میان چند ربات
• 15. یادگیری مستقل عامل‌ها در محیط مشترک
• 16. یادگیری مرکزی با اجرای توزیع‌شده
• 17. یادگیری متمرکز و غیرمتمرکز در MARL
• 18. مقایسه روش‌های همکاری و رقابت میان عامل‌ها
• 19. حل مسئله Non-Stationarity در یادگیری چندعامله
• 20. توازن اکتشاف و بهره‌برداری در تیم ربات‌ها
• 21. اشتراک‌گذاری اطلاعات میان عامل‌های رباتیک
• 22. یادگیری ارتباطات میان ربات‌ها
• 23. طراحی پروتکل ارتباطی توزیع‌شده
• 24. یادگیری ارتباطی مقاوم در برابر قطع شبکه
• 25. همگام‌سازی تصمیمات در تیم ربات‌های صنعتی
• 26. مدیریت تأخیر و محدودیت پهنای باند
• 27. یادگیری چندعامله با ارتباطات محدود
• 28. استفاده از شبکه‌های عصبی در کنترل چندعامله
• 29. شبکه‌های عصبی عمیق برای سیاست‌های رباتیک
• 30. یادگیری تقویتی عمیق چندعامله
• 31. روش‌های Value-Based در MARL
• 32. روش‌های Policy-Based در MARL
• 33. روش‌های Actor-Critic چندعامله
• 34. الگوریتم‌های Multi-Agent DQN
• 35. روش‌های Centralized Training Decentralized Execution
• 36. یادگیری ارزش مشترک میان عامل‌ها
• 37. فاکتورگیری تابع ارزش برای تیم‌های رباتیک
• 38. یادگیری همکاری‌محور با QMIX
• 39. یادگیری چندعامله با VDN
• 40. روش‌های مبتنی بر MAPPO
• 41. یادگیری سیاست با اطلاعات محلی
• 42. مدیریت تعارض و تداخل میان ربات‌ها
• 43. جلوگیری از برخورد در تیم‌های رباتیک
• 44. هماهنگی حرکت ربات‌های خودمختار
• 45. کنترل توزیع‌شده حرکت و موقعیت
• 46. برنامه‌ریزی مسیر چندرباته
• 47. اجتناب از موانع در محیط‌های صنعتی
• 48. هماهنگی ربات‌ها در فضاهای محدود
• 49. همکاری ربات‌ها برای بازرسی تجهیزات
• 50. هماهنگی ربات‌ها در تشخیص خرابی
• 51. تشخیص وضعیت تجهیزات با یادگیری تقویتی
• 52. یادگیری تصمیم‌گیری برای تعمیر پیشگیرانه
• 53. بهینه‌سازی زمان‌بندی عملیات نگهداری
• 54. پیش‌بینی خرابی و اتصال آن به سیاست‌های نگهداری
• 55. تخصیص منابع تعمیراتی میان ربات‌ها
• 56. مدیریت ابزار و تجهیزات توسط تیم رباتیک
• 57. کنترل ربات‌های بازرسی در محیط صنعتی
• 58. هماهنگی ربات‌های متحرک و بازوهای صنعتی
• 59. همکاری انسان و ربات در عملیات نگهداری
• 60. یادگیری ایمن برای ربات‌های نگهداری
• 61. اعمال محدودیت‌های ایمنی در سیاست‌های یادگیری
• 62. مدیریت ریسک در تصمیم‌گیری خودمختار
• 63. یادگیری مقاوم در برابر خطاهای حسگر
• 64. مقابله با عدم قطعیت در محیط صنعتی
• 65. تاب‌آوری تیم رباتیک در برابر خرابی عامل‌ها
• 66. یادگیری با تعداد متغیر عامل‌ها
• 67. افزودن و حذف پویا‌ی ربات‌ها از تیم
• 68. مقیاس‌پذیری الگوریتم‌های MARL
• 69. یادگیری انتقالی میان تجهیزات و محیط‌ها
• 70. تطبیق سیاست‌ها با ماشین‌آلات مختلف
• 71. یادگیری چندعامله در محیط‌های شبیه‌سازی‌شده
• 72. طراحی محیط شبیه‌سازی برای ربات‌های نگهداری
• 73. تولید سناریوهای خرابی برای آموزش عامل‌ها
• 74. Randomization دامنه برای افزایش تعمیم‌پذیری
• 75. انتقال سیاست از شبیه‌سازی به ربات واقعی
• 76. کاهش شکاف شبیه‌سازی و واقعیت
• 77. آموزش توزیع‌شده مدل‌های یادگیری تقویتی
• 78. مدیریت داده و تجربه در سیستم‌های چندعامله
• 79. Replay Buffer مشترک و توزیع‌شده
• 80. یادگیری آنلاین و به‌روزرسانی سیاست‌ها
• 81. پایش عملکرد عامل‌ها در زمان اجرا
• 82. تشخیص افت عملکرد سیاست‌های رباتیک
• 83. ارزیابی پاداش و شاخص‌های عملیاتی
• 84. معیارهای ارزیابی همکاری میان ربات‌ها
• 85. آزمون ایمنی و قابلیت اطمینان سیستم
• 86. تحلیل شکست و بازیابی در مأموریت‌های نگهداری
• 87. بهینه‌سازی مصرف انرژی تیم رباتیک
• 88. طراحی معماری نرم‌افزاری برای کنترل توزیع‌شده
• 89. یکپارچه‌سازی MARL با سامانه‌های رباتیک صنعتی
• 90. اتصال عامل‌های یادگیری به حسگرها و عملگرها
• 91. استقرار مدل‌های هوش مصنوعی روی ربات‌های لبه‌ای
• 92. Edge AI برای ربات‌های نگهداری
• 93. امنیت ارتباطات و عامل‌های رباتیک
• 94. حفاظت از سیاست‌ها و مدل‌های یادگیری
• 95. پروژه نهایی اتوماسیون توزیع‌شده عملیات نگهداری