跳到主要内容
步芽

【极致中配】CMU16-831 机器人学习导论

CMU研究生课程，系统讲解机器人学习：从模仿学习、强化学习到基于模型的RL、最优控制、逆强化学习及Sim2Real与安全学习。

难度
难度 4/5 — 需较扎实的机器学习与强化学习基础，涉及大量RL算法与控制理论
适合人群
有ML基础、想进入机器人学习/强化学习方向的高年级本科生与研究生
前置要求
机器学习/深度学习（课程仅做快速回顾，需提前掌握）、概率论与线性代数（理解MDP与策略梯度所需）、Python编程（实现与仿真）、微积分与最优化（最优控制与规划部分）
课程规模
50 讲 · 1733播放
在 B 站免费观看 →就这门课提问 →排进我的学习路线

主题覆盖

机器人学习概述模仿学习马尔可夫决策过程强化学习Q学习策略梯度Actor-Critic基于模型的RL最优控制与规划逆强化学习Sim2Real仿真安全与多任务学习

课程大纲（50 讲）

  1. P1 · Lecture 1 Course Introduction What is Robot Learning（重制版）49 分钟
  2. P2 · Lecture 2 Robot Learning An Overview（重制版）61 分钟
  3. P3 · Lecture 3 MLDL Refresher Part 1（重制版）61 分钟
  4. P4 · Lecture 4 MLDL Refresher Part 11（重制版）63 分钟
  5. P5 · Lecture 5 MDP Basics and Imitation Learning Part 1（重制版）60 分钟
  6. P6 · Lecture 6 Imitation Learning Part 2（重制版）57 分钟
  7. P7 · Lecture 7 Introduction to Reinforcement Learning（重制版）62 分钟
  8. P8 · Lecture 8 Q Learning and Variants（重制版）63 分钟
  9. P9 · Lecture 9 Q Learning VariantsPolicy Gradient Methods（重制版）62 分钟
  10. P10 · Lecture 10 Policy Gradient Methods Part II and ActorCritic Methods（重制版）56 分钟
  11. P11 · Lecture 11 Advanced RL Algorithms Part 1（重制版）54 分钟
  12. P12 · Lecture 12 Advanced RL Algorithms Part 2（重制版）58 分钟
  13. P13 · Lecture 13 Introduction to Modelbased RL and Control（重制版）63 分钟
  14. P14 · Lecture 14 Optimal Control and Planning Part 1（重制版）56 分钟
  15. P15 · Lecture 15 Optimal Control and Planning Part 2（重制版）56 分钟
  16. P16 · Lecture 16 Model Learning and Deep MBRL（重制版）60 分钟
  17. P17 · Lecture 17 Bandits and Preferencebased Learning（重制版）45 分钟
  18. P18 · Lecture 18 Preferencebased Learning Part II and Exploration（重制版）52 分钟
  19. P19 · Lecture 19 Guest Lecture Offline Reinforcement Learning（重制版）69 分钟
  20. P20 · Lecture 20 Inverse Reinforcement Learning（重制版）48 分钟
  21. P21 · Lecture 21 Guest Lecture Yunzhu Li（重制版）56 分钟
  22. P22 · Lecture 22 Robot Simulation and Sim2Real（重制版）53 分钟
  23. P23 · Lecture 23 Safe Robot Learning（重制版）56 分钟
  24. P24 · Lecture 24 MultiTask and Adaptive Robot Learning（重制版）58 分钟
  25. P25 · Lecture 25 Robot Learning Opportunities and Challenges（重制版）57 分钟
  26. P26 · Lecture 1 Course Introduction What is Robot Learning49 分钟
  27. P27 · Lecture 2 Robot Learning An Overview61 分钟
  28. P28 · Lecture 3 MLDL Refresher Part 161 分钟
  29. P29 · Lecture 4 MLDL Refresher Part 1163 分钟
  30. P30 · Lecture 5 MDP Basics and Imitation Learning Part 160 分钟
  31. P31 · Lecture 6 Imitation Learning Part 257 分钟
  32. P32 · Lecture 7 Introduction to Reinforcement Learning62 分钟
  33. P33 · Lecture 8 Q Learning and Variants63 分钟
  34. P34 · Lecture 9 Q Learning VariantsPolicy Gradient Methods62 分钟
  35. P35 · Lecture 10 Policy Gradient Methods Part II and ActorCritic Methods56 分钟
  36. P36 · Lecture 11 Advanced RL Algorithms Part 154 分钟
  37. P37 · Lecture 12 Advanced RL Algorithms Part 258 分钟
  38. P38 · Lecture 13 Introduction to Modelbased RL and Control63 分钟
  39. P39 · Lecture 14 Optimal Control and Planning Part 156 分钟
  40. P40 · Lecture 15 Optimal Control and Planning Part 256 分钟
  41. P41 · Lecture 16 Model Learning and Deep MBRL60 分钟
  42. P42 · Lecture 17 Bandits and Preferencebased Learning45 分钟
  43. P43 · Lecture 18 Preferencebased Learning Part II and Exploration52 分钟
  44. P44 · Lecture 19 Guest Lecture Offline Reinforcement Learning69 分钟
  45. P45 · Lecture 20 Inverse Reinforcement Learning48 分钟
  46. P46 · Lecture 21 Guest Lecture Yunzhu Li56 分钟
  47. P47 · Lecture 22 Robot Simulation and Sim2Real53 分钟
  48. P48 · Lecture 23 Safe Robot Learning56 分钟
  49. P49 · Lecture 24 MultiTask and Adaptive Robot Learning58 分钟
  50. P50 · Lecture 25 Robot Learning Opportunities and Challenges57 分钟

本课程卡由 AI 生成，可能存在误差，欢迎反馈。