سرفصل های دوره:
1. مقدمه به ربات های صنعتی و زیرساخت های حیاتی
2. تاریخچه ربات های صنعتی
3. اهمیت رباتیک در زیرساخت های حیاتی
4. چالش های اتوماسیون در زیرساخت های حیاتی
5. مفاهیم اولیه یادگیری تقویتی
6. عوامل در یادگیری تقویتی
7. حالات، اعمال و پاداش ها
8. تابع ارزش و تابع سیاست
9. الگوریتم های یادگیری تقویتی کلاسیک
10. Q-Learning
11. SARSA
12. Deep Q-Networks (DQN)
13. Policy Gradients
14. Actor-Critic Methods
15. مقدمه به یادگیری تقویتی چندعامله (MARL)
16. تفاوت MARL با یادگیری تقویتی تک عامله
17. چالش های اصلی در MARL
18. هماهنگی و رقابت بین عامل ها
19. کشفیات و اکتشافات در محیط های چندعامله
20. انواع محیط های MARL
21. محیط های مشترک و محیط های مجزا
22. بازی های صفر و جمع و بازی های غیر صفر و جمع
23. معماری های MARL
24. مرکزگرا و غیرمتمرکز
25. مدل های مبتنی بر عامل و مدل های مبتنی بر محیط
26. روش های یادگیری در MARL
27. Joint Action Learners
28. Independent Learners
29. Cooperative MARL
30. Decentralized Partially Observable Markov Decision Processes (Dec-POMDPs)
31. روش های مبتنی بر عامل مشترک (Centralized Training, Decentralized Execution - CTDE)
32. MADDPG (Multi-Agent Deep Deterministic Policy Gradient)
33. VDN (Value Decomposition Networks)
34. QMIX (Q-Learning Mix)
35. IQL (Independent Q-Learning)
36. ...