课题简介
强化学习通过与环境交互，让智能体从经验中习得策略，已在机器人导航与操作等任务中展现出应用潜力。近年来，斯坦福、UC Berkeley等高校和DeepMind等企业在顶会与顶刊中展示了多个具身智能成果。该方向研究周期短、实验验证便捷，适合科研与实际转化，已被多家创业公司采用。
本课程将从基础的强化学习算法出发，逐步引入奖励建模、安全约束、多任务学习与真实世界部署等前沿内容。以强化学习算法为核心，聚焦真实世界的机器人规划任务难题，帮助同学们掌握机器人导航、机械臂操作等相关知识，从0到1完成一项科研选题并产出论文。
导师介绍
【学校方向】国内TOP2高校计算机毕业，海外QS前30大学全奖博士即将入学（robotics phd 当地综排+专排第一），主要从事强化学习，模仿学习，路径规划等面向智能机器人算法部署的研究。
【科研论文】在机器学习顶会（ICLR）、机器人顶会（ICRA，ROBIO）发表多篇论文。担任多个会议和RAL期刊的审稿人。
【指导经验】指导师弟，中稿多个机器人会议和期刊（如SMC，ROBIO，IROS，RAL等）
可选创新点
（1）针对当下导航问题中的难点，如动态预测、视觉遮挡等，结合Transformer等网络架构
（2）针对环境中不同的复杂约束，构造优化问题，结合传统方法（MPC）和强化学习的策略微调
（3）基于现有的World Model打造机器人规划方案，解决灾难性遗忘的问题
（4）以多模态作为基础，有效融合多个信息（如点云，视觉，位置信息等）实现机械臂规划
（5）改进目前的离线强化学习算法并应用于机器人规划任务，结合嵌入目标的方式
（6）采用LLM作为辅助，探究如何让它生成足够好的奖励，增强强化学习或模仿学习的学习
课程亮点
（1）解锁NeurIPS、ICML、ICLR、ICRA、IROS、RAL、TASE、JMLR等顶会顶刊青睐的人工智能、强化学习、机器人研究新范式。
（2）本课程构建了强化学习与视觉导航、路径规划任务结合的科研训练体系 —— RL-PATH 教学框架，从Reinforcement Foundations、Learning Strategy、Planning Objective、Algorithm Design、Training Pipeline、Human-centered Insight六个方面系统支持学生科研与实践能力的发展：⭐RL-PATH 科研教学框架（见完整大纲）
（3）科研全过程覆盖：科研实战导向，用14周完成“课题设计→实验优化→论文写作→投稿策略”全流程闭环学习。
（4）前沿话题嵌入式讲授：引入基础强化学习算法结合Transformer，HER，World Model，RLHF，LLM等最新研究热点，拓宽学生视野。
（5）项目驱动式学习：课程不以技术堆砌为目标，而以完成一项可投论文为导向，提升“做成一件事”的科研成就感。