113年第2學期-5515 機器導航與探索 課程資訊

評分方式

評分項目	配分比例	說明
作業	60	(15% for each HW)
論文閱讀報告	10
自走車期末專題(含實作、書面報告、口頭報告)	30

教育目標

本課程模組分為三個主要的部分，分別為即時追蹤與地圖建置(SLAM)、基於機器學習之場景理解(Scene Understanding)與探索導航的動作控制(Action Control)。即時追蹤與地圖建置部分包含機率模型與相機模型等理論基礎，也包含基於深度學習之RGB-based的3DSLAM方法。場景理解的部分包含機器學習的基本概念，再帶到深度學習的技術與目前的物件偵測與語意切割技術。動作控制的部分則包含路徑規劃與導航演算法，並帶入強化學習的概念來引導行進的路徑。

基本資料

選修課，學分數：0-3
上課時間：四/10,11[遠距課程]
修課班級：共選修碩博1,2
修課年級：1年級以上
選課備註：教育部補助臺灣大專院校人工智慧學程聯盟，開設學校：國立清華大學，同步遠距上課時間：晚上6:30~9:20

參考書目

● Richard S. Sutton and Andrew G. Barto, Reinforcement Learning: An
Introduction, Second Edition, MIT Press, Cambridge, MA, 2018
● Sebastian Thrun, Wolfram Burgard, and Dieter Fox , Probabilistic Robotics,2005. (Intelligent Robotics and Autonomous Agents series)
● Kevin Murphy, Machine Learning: A Probabilistic Perspective.
● Daphne Koller and Nir Friedman, Probabilistic Graphical Models: Principles and Techniques, 1st Edition, 2009.
● Ian Goodfellow, Yoshua Bengio and Aaron Courville: Deep Learning.