[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]

[http://online.columbia.edu/moocs.html 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

[https://www.edx.org/course/robotics-columbiax-csmm-103x#! Robotics]

人工智能基础课程

[https://www.edx.org/course/artificial-intelligence-ai-columbiax-csmm-101x 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。

[http://vision.in.tum.de/teaching/ss2015/autonavx 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。

[http://vision.in.tum.de/teaching/ws2016/visnav_ws2016 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。

[http://rfly.buaa.edu.cn/resources/ 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

Original url: Access

Created at: 2018-09-29 20:08:00

Category: default

Tags: none

未标明原创文章均为采集，版权归作者所有，转载无需和我联系，请注明原出处，南摩阿彌陀佛，知识，不只知道，要得到

请先后发表评论