【硬核课】机器人学习课程，UT Austin朱玉可博士讲述自主机器人的人工智能与机器学习机器学习算法

朱玉可（Yuke Zhu）斯坦福大学博士，德克萨斯大学奥斯汀分校（The University of Texas at Austin）任助理教授。科研兴趣是为能够理解并与现实世界交互的通用机器人构建智能。研究将融合机器人、计算机视觉和机器学习等诸多领域，并致力于开发用于通用机器人自治的感知和控制方法和机制。

https://www.cs.utexas.edu/~yukez/

CS391R: Robot Learning

机器人和自动系统在现代经济中扮演着重要的角色。定制机器人极大地提高了生产率、操作安全性和产品质量。然而，这些机器人通常是在良好控制的环境中为特定任务编程，而不能在现实世界中执行不同的任务。我们怎样才能把机器人从受约束的环境中带到我们的日常生活中，作为我们的伴侣和助手来帮助我们完成各种现实生活中的任务?它要求一种新型的通用自主机器人，机器人通过感知来理解世界，并据此做出明智的决策。本课程研究了作为智能代理的自主机器人的现代机器学习和人工智能算法。它涵盖了围绕以下原则和技术的高级主题:1) 机器人如何从原始的感官数据感知非结构化的环境，2)机器人如何根据其感知做出决策，3)机器人如何在物理世界中主动地、持续地学习和适应。

https://www.cs.utexas.edu/~yukez/cs391r_fall2020/index.html

课程目录：

•  Introduction: Towards General-Purpose Robot Autonomy

• Overview of Robot Perception

• Object Detection

• 3D Data Processing

• Representation Learning I: Priors

• Representation Learning II: Motions

• Multimodal Perception

• Recursive State Estimation

• Pose Estimation

• Visual Tracking

• Active Perception

• Overview of Robot Decision Making

• Model-free Reinforcement Learning

• Model-based Reinforcement Learning

• Imitation as Supervised Learning

• Inverse Reinforcement Learning

• Adversarial Imitation Learning

• Learning to Learn I: Meta-Learning

• Learning to Learn II: Lifelong Learning

• Compositionality II: Task and Motion

• Causal Reasoning

• Simulation-Reality Gap

• Data-driven Grasping

• Building Robotic Systems

• Conclusion: Open Questions in Robot Learning

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“RL391” 可以获取《【硬核课】机器人学习课程，UT Austin朱玉可博士讲述自主机器人的人工智能与机器学习机器学习算法》专知下载链接索引

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源