-
学习时长
10周/建议每周至少6小时
-
答疑服务
专属微信答疑群/讲师助教均参与
-
作业批改
每章节设计作业/助教及时批改评优
-
课程有效期
一年/告别拖延,温故知新
- 第1章: 机器人抓取与操作介绍
- 第1节: 课程介绍
- 第2节: 机器人运动规划控制方法介绍
- 第3节: 机器人传感器和视觉介绍
- 第4节: 机器人学习方法介绍
- 第5节: 实践工具
- 第6节: 总结和回顾
- 第2章: 经典规划控制方法
- 第1节: 规划算法
- 第2节: 控制算法
- 第3节: 机器人抓取和操作方法
- 第4节: 机器人实用案例
- 第3章: 机器人视觉方法
- 第1节: 传感器和标定
- 第2节: 神经网络,2D和3D图像处理
- 第3节: 物体6D位姿估计
- 第4章: 深度学习和抓取-1
- 第1节: Grasping Problem
- 第2节: 2D平面抓取
- 第3节: 6DoF Grasping
- 第4节: Other Applications
- 第5节: Dex Grasping
- 第5章: 深度学习和抓取-2
- 第1节: Recap
- 第2节: Intro to Imitation Learning
- 第3节: Behavior Cloning
- 第4节: Interactive Imitation Learning
- 第5节: Inverse Reinforcement Learning
- 第6节: Other Methods and Discussions
- 第6章: 强化学习方法
- 第1节: 强化学习简介
- 第2节: Q learning
- 第3节: Policy Learning
- 第4节: Actor-Critic
- 第5节: Offline RL and Inverse RL
- 第6节: Other Methods and Discussions
- 第7章: VLA模型方法
- 第1节: VLA模型基础
- 第2节: VLA主流模型
- 第3节: VLA模型评价和测试方法
- 第4节: VLA模型具体实践
- 第8章: 分层学习方案:架构和方案(2次课)
- 第1节: 多层任务框架介绍&任务规划
- 第2节: LLM&VLM for Task Planning
- 第3节: 下层任务模型
- 第9章: 工程经验和总结展望
- 第1节: 后处理&传统方法优化
- 第2节: 总结&展望