Austin|UT Austin朱玉可主讲,CS391R 2021秋季课程,专注机器人感知与决策( 二 )


文章图片

江振宇 。
课程助理、UT Austin博士生江振宇本科毕业于清华大学 , 2020年开始在UT Austin攻读博士学位 , 导师为朱玉可 。
课程安排
学习目标
本课程面向对机器人和人工智能交叉领域新兴技术感兴趣的研究生及本科生 , 尤其是那些在该学科领域寻求研究机会的人 。 通过本课程 , 学生将会:

  • 了解通用自治机器人在现实世界中的潜力和社会影响、构建它所带来的技术挑战 , 以及机器学习和人工智能在应对这些挑战中的作用;
  • 熟悉各种模型驱动和数据驱动的机器人感知及决策的原理和算法;
  • 能够评估、交流并将先进的AI技术应用于机器人中 。
课程总共16周 , 安排如下:

Austin|UT Austin朱玉可主讲,CS391R 2021秋季课程,专注机器人感知与决策
文章图片

Part I: Robot Perception

Austin|UT Austin朱玉可主讲,CS391R 2021秋季课程,专注机器人感知与决策
文章图片


Austin|UT Austin朱玉可主讲,CS391R 2021秋季课程,专注机器人感知与决策
文章图片


Austin|UT Austin朱玉可主讲,CS391R 2021秋季课程,专注机器人感知与决策
文章图片


Austin|UT Austin朱玉可主讲,CS391R 2021秋季课程,专注机器人感知与决策
文章图片


Austin|UT Austin朱玉可主讲,CS391R 2021秋季课程,专注机器人感知与决策
文章图片

Part II: Robot Decision Making

Austin|UT Austin朱玉可主讲,CS391R 2021秋季课程,专注机器人感知与决策
文章图片


Austin|UT Austin朱玉可主讲,CS391R 2021秋季课程,专注机器人感知与决策
文章图片


Austin|UT Austin朱玉可主讲,CS391R 2021秋季课程,专注机器人感知与决策
文章图片


Austin|UT Austin朱玉可主讲,CS391R 2021秋季课程,专注机器人感知与决策
文章图片

Part III: Robot Learning in the Real World

Austin|UT Austin朱玉可主讲,CS391R 2021秋季课程,专注机器人感知与决策
文章图片

学习者应做以下准备:

  • 了解基本的数据结构和算法以及计算机编程的实践技能 , 精通 Python , 熟悉 C/C++ 者优先;
  • 熟悉微积分、统计学和线性代数 , 具备很强的数学能力;
  • 优先考虑 AI 和机器学习(CS342、CS391L 和 CS394R)方面的课程经历和/或同等经验;
  • 使用 Robotics + AI 系统时要具备热情、耐心和无所畏惧 。
【Austin|UT Austin朱玉可主讲,CS391R 2021秋季课程,专注机器人感知与决策】

推荐阅读