开始学习机器人——公开课推荐

作者:Liu Top
著作权归作者所有,转载请联系作者获得授权。

推荐几个我认为不错的课程,按照入门先后次序排列:

机器人入门

1. [Autonomous Mobile Robots ETH的Autonomous Mobile Robot]

体系完备,课件精美,基本概念阐述到位。,你值得拥有!pdf.视频.程序等在edx和学校主页均有下载

2. 规模比较大的如Coursera的Robotics 专项课程(6门)很赞,视频不仅仅是教授讲课的录像,而是集成有演示动画的教学视频,但只有视频没有课件下载。

优点和缺点都一样:主要针对某一运动平台展开,比较专。

[Specialization Robotics 专项课程]

1Robotics: Aerial Robotics

2Robotics: Computational Motion Plannin

3Robotics: Mobility

4Robotics: Perception

5机器人学:估计和学习

6Robotics: Capstone



3. 哥伦比亚大学AI MicroMaster系列课程:4门,2017年开课

[Artificial Intelligence 哥伦比亚大学AI系列课程:4门]

[online.columbia.edu/moo 哥伦比亚大学MOOC]

其中我比较感兴趣的有:

基于ROS的机器人学课程

[edx.org/course/robotics! Robotics]



人工智能基础课程

[edx.org/course/artifici Artificial Intelligence (AI)]

……………………

四旋翼无人机方面的课程有:

1. TUM 的 Autonomous Navigation For Flying Robot是空中机器人方面最早/最系统的课程,主要侧重于视觉导航。

[vision.in.tum.de/teachi Autonomous Navigation For Flying Robot]

TUM每学期还会更新一个Practical Course: Vision-based Navigation,对视觉导航感兴趣的可关注。

[vision.in.tum.de/teachi Practical Course: Vision-based Navigation]

2. Vijay Kumar大神的课程Robotics: Aerial Robotics必须要看啊!主要侧重于控制与规划。

[Specialization Robotics 专项课程]


3. 北航全权教授的《四旋翼无人机设计与控制》是四旋翼方面最全面深入的讲义。从整体设计、电机等硬件、到控制方法。

[rfly.buaa.edu.cn/resour Introduction to Multicopter Design and Control [多旋翼飞行器设计与控制]

PS:由于目前非线性/跳跃式思维、以及针对性学习的要求,我本人其实很少听公开课的,也基本没有完整的看完过任何一门公开课,基本上还是以翻书为主。

以往整理的书单有

[机器人书单与学习资源——导航篇 机器人书单与学习资源——导航篇]

[机器人书单与学习资源——控制篇 机器人书单与学习资源——控制篇]

[机器人控制该怎么入门? 机器人控制该怎么入门?]

[博士期间控制课程学习列表 - 控制工程与理论 - 知乎专栏 博士期间控制课程学习列表]


针对国内的一些情况。我们自己也做了一些机器人教程及课程,待完善后再推荐吧。



慢慢收录一些中文课程:

中文版课程
1. 斯坦福CS231n —深度学习与计算机视觉

适用人群:
有一定数学与计算机基础,希望了解深度学习与神经网络的同学

简介
本课程属于机器学习的深化课程,主要是介绍深度学习(尤其是卷积神经网络和与其相关的框架)在计算机视觉领域的应用,内容涵盖多种神经网络具体结构与训练应用细节,以及针对大规模图像识别,物体定位,物体检测,图像风格迁移,图像理解描述与视频内容识别等问题的前沿解决思路。该课程总共包括15个章节,计算机视觉历史回顾与介绍,数据驱动的解法,KNN与线性分类器,线性分类器与最优化,神经网络详解 part1,神经网络详解 part2,神经网络详解 part3,卷积神经网络,物体定位与物体检测,可视化,Deep Dream和Neural Style等计算机视觉案例,循环神经网络与图像生成文本描述,卷积神经网络实践技巧与经验,深度学习开源库介绍,图像分割,注意力模型,视频与无监督学习,Jeff Dean受邀讲座,每个章节分为上下两部,分别于每周二更新。
讲师介绍:李飞飞教授现为斯坦福大学(Stanford)计算机系助理教授。她的研究兴趣主要集中在视觉研究领域,包括计算机视觉和视觉心理学,例如物体识别、场景分类和事件分类等。她曾获微软青年教授奖(Microsoft Research New Faculty Fellowship)、谷歌研究奖(Google Research Award)等荣誉。


目录
课时1计算机视觉历史回顾与介绍上31:04
课时2计算机视觉历史回顾与介绍中29:32
课时3计算机视觉历史回顾与介绍下19:38
课时4数据驱动的图像分类方式:K最近邻与线性分类器(上)26:26
课时5数据驱动的图像分类方式:K最近邻与线性分类器(下)31:36
课时6 线性分类器损失函数与最优化(上)38:11
课时7线性分类器损失函数与最优化(下)34:00

编辑于 2016-10-13

文章被以下专栏收录