机器人学习
课程编码：180206081100P0003H
英文名称：Robot Learning
课时：20
学分：1.00
课程属性：高级强化课
主讲教师：邢登鹏
教学目的要求
本课程是人工智能学院机器人方向的高级强化课，也是研究生进入课题组之前，面向机器人学习前沿领域开展研究的重要基础课程。通过本课程学习，使学生熟练掌握机器人学习的相关基本概念、核心理论及典型方法；具备使用旋量理论分析常见机器人运动学、动力学模型的能力；能够熟练掌握机器人学习现阶段常用方法，如模仿学习、强化学习和预训练等；具备文献阅读、算法复现与基础科研实践能力，为后续深入研究与课题攻关奠定坚实理论与技术基础。
预修课程
机器人学、概率与统计
大纲内容
第一章 绪论 2.0学时 邢登鹏
第1节 机器人学相关知识简介
第2节 机器学习范式简介
第3节 机器人学习定义、挑战与研究范式
第4节 机器人学习学术脉络与前沿方向
第二章 机器人学中的旋量理论 6.0学时 邢登鹏
第1节 刚体运动的指数坐标表示
第2节 指数积建模方法
第3节 机器人正/逆运动学旋量求解
第4节 机器人微分运动学旋量求解
第5节 机器人动力学旋量表达
第三章 机器人强化学习 5.0学时 邢登鹏
第1节 强化学习基本框架
第2节 表格型强化学习
第3节 策略梯度
第4节 演员—评论员算法
第5节 机器人强化学习典型案例
第四章 机器人模仿学习 5.0学时 邢登鹏
第1节 模仿学习动机与适用场景
第2节 行为克隆原理与实现
第3节 逆强化学习核心思想
第4节 生成式模仿学习
第5节 机器人模仿学习典型案例
第五章 基于预训练的机器人学习 2.0学时 邢登鹏
第1节 大模型预训练基础与迁移范式
第2节 视觉语言动作模型架构
第3节 预训练机器人学习前沿案例
教材信息
1、
Modern robotics: Mechanics, planning, and control
Kevin M. Lynch
2017
Cambridge University Press
参考书
1、
Reinforcement Learning: An Introduction
Richard S. Sutton
2018
MIT Press
课程教师信息
邢登鹏，中国科学院自动化研究所研究员。主持多项国家自然科学基金、科技部“新一代人工智能”子课题、中科院先导子任务等。研究方向为机器人控制与学习等，在包括TCYB、TNNLS、TMECH、ICML、ICRA、AAAI、IROS等期刊和会议上发表60余篇学术论文。