کتاب صوتی یادگیری تقویتی عمیق چندعامله برای کنترل انعطاف‌پذیر ربات‌های پل

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری تقویتی عمیق چندعامله برای کنترل انعطاف‌پذیر ربات‌های پل

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله برای کنترل ربات‌های صنعتی برای انجام وظایف بازرسی و تعمیر سازه‌های پل

📋 سرفصل‌های دوره

• 1. مبانی یادگیری تقویتی
• 2. مقدمه‌ای بر رباتیک و کنترل
• 3. معماری‌های چندعامله
• 4. الگوریتم‌های یادگیری تقویتی پایه
• 5. فضای حالت و عمل
• 6. تابع پاداش و طراحی آن
• 7. روش‌های مبتنی بر ارزش: Q-Learning
• 8. روش‌های مبتنی بر سیاست: Policy Gradient
• 9. تابع ارزش تخمین‌زده و معادلات بلمن
• 10. تکنیک‌های گسسته‌سازی فضا
• 11. یادگیری تقویتی عمیق (Deep Reinforcement Learning)
• 12. شبکه‌های عصبی و یادگیری تقویتی
• 13. DQN: Deep Q-Network
• 14. Double DQN
• 15. Dueling DQN
• 16. Prioritized Experience Replay
• 17. مقدمه‌ای بر کنترل انعطاف‌پذیر ربات‌ها
• 18. مدل‌سازی دینامیکی ربات‌ها
• 19. کنترل مبتنی بر مدل
• 20. تکنیک‌های تخمین مدل
• 21. یادگیری تقویتی برای کنترل ربات‌های انعطاف‌پذیر
• 22. برنامه‌ریزی مسیر و بهینه‌سازی
• 23. یادگیری تقویتی چندعامله (Multi-Agent Reinforcement Learning)
• 24. مفاهیم بازی‌های تعادلی
• 25. یادگیری تقویتی رقابتی
• 26. یادگیری تقویتی مشارکتی
• 27. الگوریتم‌های یادگیری تقویتی توزیع‌شده
• 28. ارتباطات بین عامل‌ها
• 29. هماهنگی و همکاری در سیستم‌های چندعامله
• 30. یادگیری تقویتی برای کنترل گروهی ربات‌ها
• 31. مدیریت منابع در سیستم‌های چندعامله
• 32. استراتژی‌های تخصیص وظایف
• 33. یادگیری تقویتی در محیط‌های شبیه‌سازی‌شده
• 34. محیط‌های شبیه‌سازی رباتیک
• 35. انتقال یادگیری از شبیه‌سازی به واقعیت
• 36. تکنیک‌های Domain Randomization
• 37. یادگیری تقویتی با پاداش‌های پراکنده
• 38. کاوش و بهره‌برداری
• 39. یادگیری تقویتی با حافظه
• 40. شبکه‌های حافظه بلندمدت (LSTM) در یادگیری تقویتی
• 41. یادگیری تقویتی سلسله‌مراتبی
• 42. یادگیری تقویتی با پاداش‌های شکل‌دهی
• 43. یادگیری تقویتی برخط (Online Reinforcement Learning)
• 44. یادگیری تقویتی آفلاین (Offline Reinforcement Learning)
• 45. یادگیری تقویتی با تقلید
• 46. یادگیری تقویتی ایمن (Safe Reinforcement Learning)
• 47. یادگیری تقویتی با محدودیت‌ها
• 48. تکنیک‌های اجتناب از خطرات
• 49. یادگیری تقویتی مقاوم (Robust Reinforcement Learning)
• 50. یادگیری تقویتی با عدم قطعیت
• 51. استفاده از مدل‌های احتمالی
• 52. روش‌های Monte Carlo Tree Search (MCTS)
• 53. الگوریتم‌های تکاملی در یادگیری تقویتی
• 54. بهینه‌سازی هایپرپارامترها
• 55. ارزیابی و مقایسه الگوریتم‌ها
• 56. کاربردهای یادگیری تقویتی در رباتیک
• 57. ربات‌های صنعتی و خودکارسازی
• 58. ربات‌های امدادی و جستجو
• 59. ربات‌های کاوشگر
• 60. ربات‌های انسان‌نما
• 61. چالش‌ها و آینده یادگیری تقویتی در رباتیک
• 62. محاسبات لبه و یادگیری تقویتی
• 63. یادگیری تقویتی و اینترنت اشیا (IoT)
• 64. یادگیری تقویتی و هوش مصنوعی توضیح‌پذیر (XAI)
• 65. مباحث پیشرفته یادگیری تقویتی