VIP20

本课程属于：009-机器人轨迹规划 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

强化学习驱动轨迹规划开发与应用

📚 共计 30 章节

课程导论与数学基础

强化学习在轨迹规划中的角色 · MDP · 状态、动作、奖励与策略

环境搭建与工具链

Gymnasium · 自定义仿真 · PyTorch 基础回顾

动态规划与值迭代

策略评估/迭代 · 值迭代 · 网格世界轨迹规划

蒙特卡洛方法

MC预测/控制 · 探索性初始化 · 迷宫导航

时序差分学习

TD(0) · SARSA · Q-Learning · 悬崖行走对比

深度Q网络(DQN)

经验回放 · 目标网络 · 连续状态空间轨迹规划

策略梯度方法

REINFORCE · 策略梯度定理 · Baseline · 机械臂轨迹

Actor-Critic方法

A2C/A3C · 优势函数 · 二维移动机器人轨迹

A2CActor-Critic

近端策略优化(PPO)

PPO-Clip/Penalty · 重要性采样 · 复杂环境稳定性

软演员-评论家(SAC)

最大熵RL · SAC推导 · 连续动作空间优势

基于模型的强化学习

环境模型 · Dyna · MPC+RL · 自动驾驶轨迹

模仿学习与逆强化学习

行为克隆 · GAIL · 从专家演示学习轨迹规划

多智能体轨迹规划

多智能体MDP · CTDE · MADDPG · 无人机编队

MADDPG多智能体

分层强化学习

Option框架 · HIRO · 长距离导航轨迹分解

安全强化学习

CMDP · 拉格朗日方法 · 安全屏障 · 避障轨迹

探索与利用

UCB · Thompson采样 · 好奇心驱动 · 未知环境

表示学习与状态表征

自监督/对比学习 · 世界模型 · 高维观测空间

表示学习世界模型

迁移学习与域随机化

Sim-to-Real · 域随机化 · 仿真到现实部署

迁移域随机化

元强化学习

MAML · RL² · 快速适应新环境轨迹规划

离线强化学习

CQL · BCQ · 从静态数据集学习轨迹策略

轨迹优化基础

样条曲线 · 贝塞尔 · 最小加加速度 · 融合RL

轨迹优化样条

运动学约束与动力学模型

机器人运动学/动力学 · RL约束处理

运动学动力学

避障与碰撞检测

势场法 · VFH · DWA · 与RL策略集成

路径规划经典算法回顾

A* · RRT · PRM · 作为RL专家数据生成器

仿真环境实战

PyBullet/MuJoCo · 传感器噪声模拟

奖励函数工程

稀疏/稠密奖励 · 奖励塑形 · 势能函数设计

奖励设计塑形

训练稳定性与调参

学习率调度 · 梯度裁剪 · 网络架构 · 调参经验

调参稳定性

评估与可视化

轨迹可视化 · 成功率曲线 · 平均回报分析

评估可视化

部署与工程化

模型导出 · C++部署 · 实时性 · 嵌入式系统

部署工程化

前沿趋势与未来展望

大模型+RL · 具身智能 · 端到端轨迹规划

前沿具身智能