کتاب صوتی بهینه‌سازی عملکرد ربات‌های مونتاژکننده با یادگیری تقویتی چندعامله

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بهینه‌سازی عملکرد ربات‌های مونتاژکننده با یادگیری تقویتی چندعامله

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله برای کنترل ربات‌های صنعتی برای انجام عملیات مونتاژ قطعات با قابلیت انعطاف

📋 سرفصل‌های دوره

• 1. مفاهیم پایه یادگیری تقویتی چندعامله (MARL) و کاربرد آن در خطوط مونتاژ انعطاف‌پذیر
• 2. فرموله‌بندی مسئله مونتاژ رباتیک به عنوان فرآیند تصمیم‌گیری مارکوف چندعامله (MAMDP)
• 3. تعریف عامل‌ها (Agents)، درجه آزادی ربات‌ها و ابزارهای انتهای بازو (EOAT) در خط مونتاژ
• 4. طراحی فضای حالت (State Space) شامل موقعیت مکانی، گشتاور مفاصل و وضعیت قطعات
• 5. تعریف فضای اکشن (Action Space) پیوسته و گسسته برای کنترل جابه‌جایی و جاگذاری قطعات
• 6. مهندسی تابع پاداش (Reward Function) برای دقت جانمایی، کاهش زمان سیکل و جلوگیری از برخورد
• 7. معماری‌های آموزش متمرکز با اجرای غیرمتمرکز (CTDE) در محیط‌های صنعتی
• 8. الگوریتم MADDPG برای کنترل پیوسته حرکات هم‌زمان چند بازوی رباتیک
• 9. الگوریتم QMIX و تجزیه ارزش پاداش برای هماهنگی همکاری در مونتاژ قطعات پیچیده
• 10. الگوریتم MAPPO و کاربرد آن در پایداری آموزش بازوهای رباتیک مونتاژکننده
• 11. طراحی سیستم‌های جلوگیری از برخورد (Collision Avoidance) بین بازوهای رباتیک مجاور
• 12. مدل‌سازی و شبیه‌سازی تعاملات نیرو/گشتاور در فرایند درج قطعات (Peg-in-Hole Assembly)
• 13. استفاده از الگوریتم‌های MARL مبتنی بر ارتباطات (Communication-based MARL) بین ربات‌ها
• 14. مدیریت پویای تخصیص وظایف مونتاژ بین ربات‌ها بر اساس نرخ خرابی یا تغییر خط تولید
• 15. انتقال دانش از شبیه‌سازی به واقعیت (Sim-to-Real Transfer) و تکنیک‌های Domain Randomization
• 16. تلفیق داده‌های بینایی ماشین و سنسورهای نیرو-گشتاور در لایه دریافت حالت عامل‌ها
• 17. بهینه‌سازی مصرف انرژی و هموارسازی مسیر حرکت بازوها در کنار افزایش سرعت مونتاژ
• 18. مدل‌سازی پویای خطاهای تولرانس ابعادی قطعات و انعطاف‌پذیری ربات در برابر خطای ساخت
• 19. استفاده از شبیه‌سازهای صنعتی (NVIDIA Isaac Sim / PyBullet / MuJoCo) برای آموزش چندعامل
• 20. ارزیابی پایداری، قابلیت اطمینان و همگرایی مدل‌های MARL در ایستگاه‌های کاری واقعی
• 21. استقرار عملیاتی الگوریتم‌های آموزش‌دیده روی کنترل‌کننده‌های ربات (ROS2 / صنعتی)