机器心脏报告
编辑:蛋酱
UT 奥斯汀分校的经典课程CS391R 为其2023 年秋季版本推出了新内容。是不是想先收藏起来,有时间就开始学习呢?
该课程更新了机器人学习领域的一些最新趋势和发展,包括隐式表示、注意力架构、离线RL、人工环回和AI合成数据,课程讲师、UT Austin助理教授朱宇科随后在推特上表示。说。所有材料都将被公开。
课程主页:https://www.cs.utexas.edu/~yukez/cs391r_fall2023/
机器人和自动化系统在现代经济的发展中发挥着重要作用。针对生产任务定制的机器人可以显着提高生产率、操作安全性和产品质量。然而,这些机器人通常用于高度受控环境中的特定任务,并且没有足够的能力来执行现实世界中的各种任务。
我们如何才能将机器人从受限环境延伸到日常生活中,并使其能够完成各种现实世界的任务,这增加了对机器人普遍自主性的需求,让机器人能够感知并通过你的镜头了解世界并做出贡献。做出相应的决定。
本课程主要关注现代机器学习和人工智能算法,涵盖的主题较多,主要围绕以下几个方面:
机器人如何从原始感官数据中感知非结构化环境。
机器人如何根据感知做出决策。
机器人如何在现实世界中主动学习和适应。
演讲者介绍
课程导师为UT Austin助理教授朱玉可,课程助理为UT Austin博士生江振宇。
朱玉轲.
朱玉轲毕业于浙江大学,获学士学位,并获得浙江大学和加拿大西蒙菲莎大学(SFU)双学位。硕士和博士生在斯坦福大学计算机视觉大师李飞飞的指导下学习,并于2023年8月获得博士学位。朱玉轲现任UT Austin计算机科学系助理教授、机器人感知与学习实验室主任、NVIDIA Research高级研究员。
据朱雨可的个人主页显示,他的研究兴趣包括构建能够理解现实世界并与现实世界交互的通用机器人的智能。该研究将整合机器人、计算机视觉和机器学习等多个领域,重点开发通用机器人自主的传感和控制方法和机制。
在斯坦福大学就读期间,朱雨可参与教授著名的《CS231N:视觉识别中的卷积神经网络》、CS131、CS193C、CS431等多门课程。
姜振宇.
课程助理、UT Austin 博士生姜振宇毕业于清华大学,获得学士学位。他计划于2023年开始在UT Austin攻读博士学位,导师是朱玉科。
时间表
学习目标
本课程面向对机器人和人工智能交叉领域的新兴技术感兴趣的研究生和本科生,特别是那些在该学科领域寻求研究机会的学生。在整个课程中,学生将:
了解通用自主机器人的现实潜力和社会影响、与其构造相关的技术挑战,以及机器学习和人工智能在应对这些挑战中的作用。
熟悉机器人感知和决策的各种模型驱动和数据驱动原理和算法。
能够评估、交流先进的人工智能技术并将其应用于机器人。
本课程总共持续16 周,结构如下:
第I: 部分机器人识别
第II: 部分机器人决策
第三部分: 现实世界中的机器人学习
学习者必须准备以下内容:
了解基本数据结构和算法以及实用的计算机编程能力,熟练掌握Python,熟悉C/C++者优先。
精通微积分、统计学、线性代数,具有较强的数学能力。
具有人工智能和机器学习(CS342、CS391L 和CS394R)课程经验和/或同等经验者优先。
使用机器人+人工智能系统时要充满热情、耐心和无所畏惧。
本文和图片来自网络,不代表火豚游戏立场,如若侵权请联系我们删除:https://www.huotun.com/game/664633.html