强化学习与最优控制；MIT；作者：Dimitri P. Bertsekas DRAFT TEXTBOOK；December 14, 2018

强化学习和最优控制的《十个关键点》81页PPT汇总。本实验室主要面向于深度强化学习领域，分享包括但不限于深度强化学习Environment、理论推导与算法实现、前沿技术与论文解读、开源项目、应用场景、业界资讯等，同时包括基础数学、经典控制、博弈论、交叉学科等领域知识。

在强化学习中，我们使用奖惩机制来训练agents。Agent做出正确的行为会得到奖励，做出错误的行为就会受到惩罚。这样的话，agent就会试着将自己的错误行为最少化，将自己的正确行为最多化。本文我们将会聚焦于强化学习在现实生活中的实际应用。无人驾驶中的应用很多论文都提到了深度强化学习在自动驾驶领域中的应用。在无人驾驶中，需要考虑的问题是非常多的，如：不同地方的限速不同限速，是否是可行驶区域，如何躲避障碍等问题。有些自动驾驶的任务可以与强化学习相结合，比如轨迹优化，运动规划，动态路径，最优控制，以

会议： 星期三，10.15-11.45 am 地点： 虚拟，要求提供链接和密码 登记： 请通过Courseworks注册 日程 控制理论与强化学习 1月29日神经科学控制理论实例（Bettina Hein，Laureline Logiaco） 2月5日控制理论方法（Bettina Hein，Laureline Logiaco） 2月12日，强化学习（James Murray） 2月19日从最优控制理论，以强化学习（塞缪尔Muscinelli） 2月26日Cosyne休息 3月4