课程价格 ：
¥899.00
剩余名额
0
-
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
- 1-1：开班典礼
- 1-2：【资料】推荐论文合集
- 第1章: 机器人抓取与操作介绍
- 2：【课件】机器人抓取与操作介绍
- 第1节: 课程介绍
- 免费 3：【视频】课程大纲和介绍
- 第2节: 机器人运动规划控制方法介绍
- 免费 4：【视频】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
- 免费 5：【视频】机器人传感器和视觉介绍
- 第4节: 机器人学习方法介绍
- 免费 6：【视频】机器人学习方法介绍
- 第5节: 实践工具
- 免费 7：【视频】实践工具与总结
- 第6节: 本章作业
- 8-1：作业说明文档
- 8-2：【作业】Project1：使用 ACT 在 MuJoCo 中训练机械臂完成抓取任务
- 8-3：作业代码文件
- 第2章: 经典规划控制方法
- 第1节: 规划算法
- 9：【课件】 经典的规划方法
- 10：【视频】规划算法
- 11：【视频】基于树结构的方法
- 12：【视频】基于图结构的方法
- 13：【视频】规划算法的扩展
- 14：【视频】轨迹生成
- 15：【视频】轨迹优化，插值，样条曲线
- 第2节: 控制算法
- 16：【课件】 控制算法介绍
- 17：【视频】控制算法简介
- 第3节: 抓取方法
- 18：【课件】操作与抓取算法
- 19：【视频】操作与抓取的传统方法
- 第4节: 使用案例
- 20：【课件】机器人应用案例
- 21：【视频】机器人实用案例讨论
- 第5节: 本章作业
- 22-1：作业说明文档
- 22-2：【作业】Project2：基于RRT算法的机械臂路径规划
- 22-3：作业代码文件
- 第3章: 机器人视觉方法
- 第1节: 传感器和标定介绍
- 23：【课件】L3-1机器人视觉方法
- 24：【视频】传感器
- 第2节: 视觉图像和神经网络+3D感知和点云处理
- 25：【课件】L3-2神经网络，2D和3D图像处理
- 26：【视频】神经网络，2D和3D图像处理
- 第3节: 3D位姿估计-机器人场景
- 27：【视频】位姿估计
- 28：【课件】L3 sec3 位姿估计.pdf
- 第4节: 本章作业
- 29-1：作业说明文档
- 29-2：【作业】Project3：PoseCNN 6D姿态估计与抓取
- 29-3：Project3.zip
- 第4章: 基于深度学习的抓取
- 第1节: 2D平面抓取
- 30：【课件】L4 sec1 2D Grasping.pdf
- 31：【视频】抓取问题介绍与2D平面抓取方法
- 第2节: 6DoF Grasping
- 32：【课件】L4 sec2 6DoF Grasping
- 33：【视频】6DoF Grasping
- 第3节: Other Applications
- 34：【课件】L4-3Other Applications
- 35：【视频】Other Application
- 第4节: 本章作业
- 36-1：作业说明文件
- 36-2：【作业】Project4：基于GR-ConvNet的物体检测与机械臂抓取
- 36-3：project 4.zip
- 第5章: 模仿学习
- 第1节: Intro and BC
- 37-1：【视频】Intro and BC
- 37-2：【课件】Intro and BC
- 第2节: Interactive IL
- 38-1：【视频】interactive IL
- 38-2：【课件】interactive IL
- 第3节: Inverse RL
- 39-1：【视频】Inverse RL
- 39-2：【课件】L5 sec3-4-5 inverse RL and generative IL.pdf
- 第4节: IL with Sequence Information
- 40：【视频】IL with Sequence Information
- 第5节: Generative model for IL
- 41-1：【视频】生成式模仿学习的思想
- 41-2：【视频】GAIL与VAE的方法
- 41-3：【视频】Diffusion Policy
- 第6节: 本章作业
- 42-1：作业说明文件
- 42-2：【作业】Project5：基于Diffusion Policy的物体检测与机械臂抓取
- 42-3：作业代码文件
- 第6章: 强化学习方法
- 第1节: 强化学习简介
- 43-1：【课件】强化学习简介
- 43-2：【视频】强化学习简介
- 第2节: Q learning
- 44-1：【课件】 Q learning
- 44-2：【视频】Q-learning
- 第3节: Policy Learning
- 45-1：【课件】 Policy Learning
- 45-2：【视频】Policy Learning
- 第4节: Actor-Critic
- 46-1：【课件】Actor-Critic
- 46-2：【视频】 Actor-Critic
- 第5节: Offline RL and Inverse RL
- 47-1：【课件】inverse and offline RL
- 47-2：【视频】inverse and offline RL
- 第6节: Other Methods and Discussions
- 48：【视频】others
- 第7节: 第七节：作业
- 49-1：作业说明文档
- 49-2：Project6：基于强化学习的机械臂逆运动学解算与抓取
- 49-3：作业代码
- 第7章: 具身智能：VLM与VLA模型（3次课）
- 第1节: Introduction
- 50：【视频】章节介绍
- 第2节: Transformers and Generative Model
- 51：【课件】Transformers and Generative Model
- 52：【视频】Transformer与生成式模型
- 第3节: ACT & Variants, Diffusion Policy
- 53-1：【课件】L7 sec3 ACT & Variant, Diffusion Policy
- 53-2：【视频】ACT & Variant
- 53-3：【视频】Diffusion Policy
- 第4节: VLM&LLM for Planning
- 54-1：【课件】LLM&VLM for planning
- 54-2：【视频】LLM&VLM for planning
- 第5节: VLA: RT1, RT2, Octo and OpenVLA
- 55：【课件】VLA：RT系列、Octo与OpenVLA
- 56-1：【视频】什么是VLA
- 56-2：【视频】VLA的背景与介绍
- 56-3：【视频】VLA算法之RT-1
- 56-4：【视频】VLA算法之RT-2与其它RT系列
- 57-1：【视频】VLA算法之Octo
- 57-2：【视频】VLA算法之OpenVLA
- 57-3：【视频】小结
- 第6节: VLA: RDT, Pi0 and Others
- 58-1：【课件】VLA：RDT, Pi0 and Others
- 58-2：【视频】本小节内容引入
- 58-3：【视频】RDT算法
- 58-4：【视频】Pi0算法
- 58-5：【视频】VLA总结
- 第7节: Dataset and Benchmark
- 59：【课件】L7 sec7 Dataset
- 60：【视频】Dataset
- 第8节: Others & Summary
- 61：【视频】Summary
- 第9节: 本章作业
- 62-1：作业说明文档
- 62-2：Project 7
- 62-3：作业文件
- 第8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
- 第9章: 直播答疑汇总
- 63：【直播回放】直播答疑交流06期12.29
