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
成为VIP会员查看完整内容
37

相关内容

【CMU博士论文】机器人深度强化学习,128页pdf
专知会员服务
123+阅读 · 2020年8月27日
深度强化学习策略梯度教程,53页ppt
专知会员服务
175+阅读 · 2020年2月1日
【斯坦福&Google】面向机器人的机器学习,63页PPT
专知会员服务
23+阅读 · 2019年11月19日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
96+阅读 · 2019年10月9日
MIT新书《强化学习与最优控制》
专知会员服务
269+阅读 · 2019年10月9日
机器学习在材料科学中的应用综述,21页pdf
专知会员服务
45+阅读 · 2019年9月24日
清华大学《高级机器学习》课程
专知
34+阅读 · 2020年7月21日
最新415页《人工智能与机器人原理》书籍
专知
8+阅读 · 2019年3月31日
CCCF译文 | 机器学习如何影响本科生计算机课程
中国计算机学会
6+阅读 · 2019年2月18日
动物脑的好奇心和强化学习的好奇心
CreateAMind
10+阅读 · 2019年1月26日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
【资源】15个在线机器学习课程和教程
专知
8+阅读 · 2017年12月22日
Continual Unsupervised Representation Learning
Arxiv
7+阅读 · 2019年10月31日
Learning by Abstraction: The Neural State Machine
Arxiv
6+阅读 · 2019年7月11日
Adversarial Transfer Learning
Arxiv
12+阅读 · 2018年12月6日
Physical Primitive Decomposition
Arxiv
4+阅读 · 2018年9月13日
Arxiv
7+阅读 · 2018年5月23日
VIP会员
相关论文
Continual Unsupervised Representation Learning
Arxiv
7+阅读 · 2019年10月31日
Learning by Abstraction: The Neural State Machine
Arxiv
6+阅读 · 2019年7月11日
Adversarial Transfer Learning
Arxiv
12+阅读 · 2018年12月6日
Physical Primitive Decomposition
Arxiv
4+阅读 · 2018年9月13日
Arxiv
7+阅读 · 2018年5月23日
微信扫码咨询专知VIP会员