教學大綱與進度

課程基本資料：

學年期	課號	課程名稱	階段	學分	時數	修	教師	班級	人	撤	備註
113-2	346408	機器導航與探索	1	3.0	3	★	曾柏軒	遠距教學班(研究所)	6	0	清大胡敏君，詳https://myppt.cc/KrzIJC

教學大綱與進度：

教師姓名	曾柏軒　教師諮商時間(Office Hours)
Email	phtseng@ntut.edu.tw
最後更新時間	2025-02-13 11:52:24
課程大綱	課程模組分為三個主要的部分，分別為即時追蹤與地圖建置(SLAM)、基於機器學習之場景理解(Scene Understanding)與探索導航的動作控制(Action Control)。即時追蹤與地圖建置部分包含機率模型與相機模型等理論基礎，也包含基於深度學習之RGB-based的3DSLAM方法。場景理解的部分包含機器學習的基本概念，再帶到深度學習的技術與目前的物件偵測與語意切割技術。動作控制的部分則包含路徑規劃與導航演算法，並帶入強化學習的概念來引導行進的路徑。
課程進度	本課程為清大胡敏君教授開設之同步遠距上課時間：每周一晚上6:30~9:20 遠距上課位置： https://www.youtube.com/@NTHURNE-l9v (註: 因開課方的要求，為使得期末專題分組開發能順利進行，本課程不接受期中退選，請修課同學留意) 2/17 Introduction to Robotic Navigation and Exploration 2/24 Kinematic Model and Path Tracking Control, Lab 1 3/3 Motion Planning, Lab 2 3/10 Reinforcement Learning (I) 3/17 Reinforcement Learning (II) 3/24 Project Environment Building (I), Lab 3 3/31 Project Environment Building (I) Lab4 4/7 Project Environment Building (III) Lab5 4/14 SLAM Back-end (I) 4/21 SLAM Back-end (II) 4/28 3D SLAM (I) 5/5 3D SLAM (II) 5/12 3D Embodied Agent 5/19 Paper Presentation (I) 5/26 Paper Presentation (II) 6/2 Project Presentation & Demo
評量方式與標準	1. 作業(占學期成績50%): 四個作業，依序為10%、15%、15%、10%。 2. 論文閱讀報告(占學期成績10%): 5/19, 5/26兩週的論文閱讀報告，視修課人數，安排線上報告或是實體到教室報告。 3. 自走車期末專題(占學期成績40%) (含實作、書面報告、口頭報告): 視人數，可以用模擬器的方式來實作自走車專題。
使用教材、參考書目或其他	【遵守智慧財產權觀念，請使用正版教科書，不得使用非法影印教科書】 使用外文原文書：是 ● Richard S. Sutton and Andrew G. Barto, Reinforcement Learning: An Introduction, Second Edition, MIT Press, Cambridge, MA, 2018 ● Sebastian Thrun, Wolfram Burgard, and Dieter Fox , Probabilistic Robotics,2005. (Intelligent Robotics and Autonomous Agents series) ● Kevin Murphy, Machine Learning: A Probabilistic Perspective. ● Daphne Koller and Nir Friedman, Probabilistic Graphical Models: Principles and Techniques, 1st Edition, 2009. ● Ian Goodfellow, Yoshua Bengio and Aaron Courville: Deep Learning.
課程諮詢管道	本課程上課方式為遠距上課，課程問題都可以 email 給教師或助教
延伸教學與資源
課程對應SDGs指標	SDG4：優質教育（Quality Education） SDG9：產業創新與基礎設施（Industry, Innovation and Infrastructure）
課程是否導入AI
備註	• 本課程期末專題採分組開發，為避影響同組修課同學之權益，「本課程不接受期中退選」，請謹慎評估可投入的時間再選課。 • 建議學生需已修過Python程式設計、影像處理、深度學習。 • 學生須自備具GPU顯卡之電腦。