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_fall2021/index.html

成为VIP会员查看完整内容
22

相关内容

专知会员服务
45+阅读 · 2021年5月13日
【康奈尔】最新《强化学习基础》CS 6789课程
专知会员服务
67+阅读 · 2020年9月27日
【CMU博士论文】机器人深度强化学习,128页pdf
专知会员服务
129+阅读 · 2020年8月27日
【斯坦福新课】CS234:强化学习,附课程PPT下载
专知会员服务
119+阅读 · 2020年1月15日
【数字孪生】面向智能制造的数字孪生
产业智能官
50+阅读 · 2020年5月10日
当深度强化学习遇见图神经网络
专知
225+阅读 · 2019年10月21日
Arxiv
24+阅读 · 2021年1月25日
Arxiv
7+阅读 · 2018年9月27日
Video-to-Video Synthesis
Arxiv
9+阅读 · 2018年8月20日
VIP会员
相关论文
Arxiv
24+阅读 · 2021年1月25日
Arxiv
7+阅读 · 2018年9月27日
Video-to-Video Synthesis
Arxiv
9+阅读 · 2018年8月20日
微信扫码咨询专知VIP会员