دوره کاربرد MARL در هدایت و ناوبری فضاپیماها به همراه فلش کارت بر روی فلش مموریجدید

سرفصل های دوره: 1. مقدمه ای بر یادگیری تقویتی چند عامله (MARL) 2. مبانی یادگیری تقویتی (RL) 3. عامل ها و محیط ها در RL 4. تابع پاداش و تابع ارزش 5. الگوریتم های یادگیری RL: Q-learning، SARSA 6. الگوریتم های مبتنی بر گرادیان سیاست 7. یادگیری عمیق RL (DRL) 8. شبکه های عصبی در DRL 9. مقدمه ای بر MARL 10. تفاوت های MARL با RL تک عامله 11. چالش های اصلی در MARL 12. عدم ایستایی محیط (Non-stationarity) 13. مقیاس پذیری (Scalability) 14. ارتباطات بین عامل ها 15. هماهنگی و رقابت بین عامل ها 16. مسائل تعادل (Equilibrium concepts) 17. کاربرد MARL در سیستم های فضاپیما 18. مفاهیم هدایت و ناوبری فضاپیما 19. مدل های دینامیکی فضاپیما 20. محیط های شبیه سازی شده فضاپیما 21. محیط های واقعی فضاپیما 22. مدل های سنسور فضاپیما 23. مدل های اثرگذار فضاپیما 24. مسائل هدایت فضاپیما 25. هدایت نقطه ای (Point-to-point guidance) 26. هدایت پیوسته (Continuous guidance) 27. هدایت به سمت اهداف متحرک 28. هدایت در حضور اغتشاشات (Perturbations) 29. هدایت در مدارات پیچیده 30. هدایت برای مانورهای مداری (Orbital maneuvers) 31. هدایت برای فرود (Landing guidance) 32. هدایت برای برقراری ارتباط (Rendezvous guidance) 33. مسائل ناوبری فضاپیما 34. تخمین وضعیت فضاپیما (State estimation) 35. فیلتر کالمن (Kalman Filter) 36. فیلتر ذرات (Particle Filter) 37. ...