VIP20

本课程属于：007-具身智能 机器人系统 · 共 20 门相关课程，组合学习更完整。

查看所属VIP全部课程 →

← 返回所属目录咨询 / 购买

策略训练与仿真迁移全流程实战

📚 共计 30 章节

课程导论与全景图

策略训练的定义 · 仿真迁移概念 · 全流程概览 · 行业应用案例

环境搭建与工具链

Python/Anaconda · Gymnasium · PyTorch/TensorFlow · 版本避坑

强化学习基础回顾

MDP · 状态/动作/奖励 · 策略与价值函数

策略梯度方法入门

REINFORCE · 概率采样 · 蒙特卡洛策略梯度

Actor-Critic架构

Actor/Critic设计 · 优势函数 · A2C vs A3C

PPO算法精讲

PPO-Clip/PPO-Penalty · 重要性采样 · 信任区域 · 代码实现

连续动作 · 确定性策略 · 目标网络 · 双Q网络

最大熵RL · 温度自调节 · 软策略评估与改进

模仿学习基础

行为克隆 · DAgger · 逆强化学习 · 专家数据

GAIL生成式对抗模仿学习

判别器与策略博弈 · 奖励学习 · 训练稳定性

仿真环境构建

PyBullet/MuJoCo · 自定义环境 · 场景随机化

数字孪生与仿真器校准

系统辨识 · 参数匹配 · Sim2Real差距分析

校准数字孪生

域随机化技术

物理/视觉随机化 · 光照纹理 · 泛化能力

系统辨识与参数估计

最小二乘 · 极大似然 · 贝叶斯推断 · 仿真校准

迁移学习基础

领域自适应 · 特征对齐 · 微调 · 预训练模型

Sim-to-Real迁移策略

渐进式迁移 · 课程学习 · 零样本/少样本迁移

策略蒸馏与模型压缩

知识蒸馏 · 剪枝 · 量化 · 边缘端推理

鲁棒策略训练

对抗攻击/防御 · 扰动训练 · 分布外检测 · 安全约束

元学习与快速适应

MAML · Reptile · 任务分布 · few-shot适应

分层强化学习

选项框架 · 子目标 · 高层/低层协同 · 层次迁移

多智能体策略训练

CTDE · QMIX · MADDPG · 通信协议

离线强化学习

CQL · BCQ · 保守估计 · 分布偏移处理

基于模型的强化学习

世界模型 · 规划搜索 · Dreamer · PlaNet

奖励函数工程

稀疏奖励 · 奖励塑形 · 好奇心 · 内在动机

训练监控与可视化

TensorBoard · 奖励曲线 · 策略录像 · 超参数调优

监控可视化

策略评估与基准测试

Gymnasium · Robosuite · 性能指标 · 统计检验

部署与推理优化

ONNX · TensorRT · C++部署 · 实时性

硬件在环测试

真实机器人接口 · ROS集成 · 安全保护 · 故障恢复

端到端案例实战

机械臂抓取 · 仿真训练 · 域随机化 · 真实部署

实战全流程

课程总结与前沿展望

挑战与开放问题 · 大模型+RL · 学习路径建议