Terima kasih telah mengirimkan pertanyaan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Terima kasih telah mengirimkan pemesanan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Kerangka Materi
Pengantar Pembelajaran Robotika
- Gambaran umum penerapan pembelajaran mesin dalam robotika
- Perbedaan antara pembelajaran terawasi, tak terawasi, dan reinforcement learning
- Pemanfaatan RL dalam pengendalian, navigasi, serta manipulasi objek oleh robot
Dasar-Dasar Reinforcement Learning
- Proses keputusan Markov (Markov Decision Processes/MDP)
- Fungsi kebijakan, nilai, dan hadiah yang mendasari RL
- Keseimbangan antara eksplorasi dan eksploitasi dalam pengambilan keputusan
Algoritma Reinforcement Learning Klasik
- Q-learning serta SARSA
- Metode Monte Carlo dan perbedaan temporal (temporal difference methods)
- Teknik iterasi nilai serta iterasi kebijakan dalam RL
Teknik Deep Reinforcement Learning
- Menggabungkan teknik deep learning dengan reinforcement learning (Deep Q-Networks)
- Metode gradient berbasis kebijakan dalam pembelajaran mesin<\/li>
- Algoritma tingkat lanjut: A3C, DDPG, dan PPO
Lingkungan Simulasi untuk Pembelajaran Robotika
- Pemanfaatan OpenAI Gym serta ROS 2 dalam simulasi robotik
- Cara membuat lingkungan kustom guna mendukung tugas-tugas spesifik robotika
- Cara mengukur kinerja sistem serta stabilitas proses pelatihan<\/li>
Menerapkan Reinforcement Learning pada Robotika
- Pembelajaran strategi pengendalian dan gerakan robotik
- Peran RL dalam manipulasi objek oleh robot yang cerdas
- Penerapan reinforcement learning multi-agen dalam sistem swarm robotics
Optimisasi, Implementasi, dan Integrasi ke Dunia Nyata
- Penyetelan parameter hyperparameter serta pembentukan fungsi hadiah yang tepat
- Peralihan strategi belajar dari simulasi ke lingkungan nyata (Sim2Real)
- Cara menerapkan model hasil pelatihan pada perangkat keras robotik secara efektif
Kesimpulan dan Langkah Selanjutnya
Persyaratan
- Pemahaman terhadap konsep-konsep dasar pembelajaran mesin
- Pengalaman dalam pemrograman Python
- Keterampilan dasar mengenai robotika dan sistem pengendalian
Target Peserta
- Insinyur pembelajaran mesin
- Peneliti bidang robotika
- Pengembang yang merancang sistem robotik cerdas
21 Jam
Testimoni (2)
Penyediaan materi (mesin virtual) untuk langsung memulai latihan, serta penjelasan inti Ros2. Mengapa hal-hal bekerja dengan cara tertentu.
Arjan Bakema
Kursus - Autonomous Navigation & SLAM with ROS 2
Diterjemahkan Mesin
pengetahuan dan pemanfaatan AI untuk Robotika di Masa Depan.
Ryle - PHILIPPINE MILITARY ACADEMY
Kursus - Artificial Intelligence (AI) for Robotics
Diterjemahkan Mesin
