前言
机器学习方法主要可以分为四类，监督学习、半监督学习、无监督学习、以及强化学习。其中，强化学习不同于连接主义的监督学习方法，是智能体通过与环境的交互，观测交互结果以及获得相应的回报。这种学习的方式是模拟人或动物的一种学习方式，因此强化学习在机器人领域有着广泛的应用。
传统的强化学习的动作空间和样本空间都很小，且一般是离散的情境下，而实际的任务往往有着很大的状态空间和连续的动作空间。当输入数据为图像，声音时，往往具有很高维度，传统的强化学习很难处理，此时就需要结合深度学习的方法，将高纬度数据进行降维处理，即深度强化学习方法。
讲解主题
主题：深度强化学习在机器人领域的研究与应用
提纲：1、深度强化学习简介
2、(深度)强化学习在机器人领域的研究
3、(深度)强化学习在自动驾驶中的应用
讲解内容
1、深度强化学习简介
还记得那个“围棋天才”AlphaGo吗？它就是强化学习的应用。在本章节中，从深度强化学习在红白机游戏、AlphaGo、AlphaZero 、AlphaStar及机器人完成日常任务的应用案例出发，讲解了深度强化学习的定义，以及深度强化学习中的一些基本方法，如马尔可夫决策过程 (MDP)、动态规划 (DynamicProgramming)、基于价值(Valuebased) 的方法、策略梯度(Policy Gradient) 法，以及Actor-Critic方法等。
2、(深度)强化学习在机器人领域的研究
机器人是深度强化学习主要的应用领域之一。在这部分，分别围绕机器人抓取、行走、飞行、导航等主要任务，仿真-显示转换、模仿学习、基于模型的强化学习等方面，分析了深度强化学习在机器人领域的研究与应用。
3、(深度)强化学习在自动驾驶中的应用
近年来，自动驾驶发展的如火如荼。本章节从自动驾驶中存在的长尾问题出发，介绍一些常见的自动驾驶仿真器，并重点分析了模仿学习的原理及在自动驾驶仿真器中的应用。
【注：本文参考智东西公开课公众号课件（已授权）】
附：微信文章发布平台为allplusai
