【寒假线上项目】马来西亚理科大学机器人技术项目

[2023-02-10 15:28 ]

主办学校
项目介绍
时间和日程
精彩活动
费用和资助
报名和选拔
学生评价

主办学校：

马来西亚理科大学，简称“理大”，成立于1969年。是大马建立的第二所公立大学，也是大马国内公认的排名第二的老牌名校。是一所全球顶尖大学，它的医学、理学、工程学领域享誉世界。马来西亚理科大学在2023年QS世界大学排名中位列全球第143位，排名与之相当的中国大学有同济大学（QS全球212位）、哈尔滨工业大学（QS全球217位）和中山大学（QS全球267位）。
校园规模庞大、环境优美，被誉为亚洲的花园大学。USM拥有主校区（槟岛）、工程校区、医学校区三个校区，学校教师多具有美、英、澳、新等世界教育前沿国家的教育和学术研究背景。现有本科生和研究生共33000多人。

项目介绍：

主题1：深度学习（Deep learning）

本专题介绍人工神经网络（ANN），包括感知器、网络结构、前馈和反向传播算法，以及无监督学习算法。学习深度学习（DL）的概念，以及如何从人工神经网络（ANN）升级到深度学习（DL）。学习卷积神经网络模型和一些有效的工具与实例。

主题2：嵌入式系统（Embedded System）

本专题介绍嵌入式系统领域的知识基础、相关技术术语及其潜力。学习从基础开始开发一个嵌入式系统，从电子元件和数据表开始，通过硬件的构建和固件的实施。学习如何将在其他多门核心工程课程中获得的信息整合起来，应用于实际设计中。

主题3：空中机器人技术（Aerial robotics）

本专题介绍无人驾驶飞行器（UAVs），俗称无人机，其中包括探索不同类型的无人机，其特点和应用。本专题的重点是多旋翼平台（使用最多的无人机类型），了解其基本飞行原理，基本部件（硬件和软件），以及可用的传感器技术。讨论目前解决自主无人机所面临的各种挑战的研究工作。

主题4：机器人技术中的计算流体力学（CFD Simulation for UAV）

本专题是计算流体动力学的入门课程，重点是无人驾驶飞行器的模拟。课程将从CFD的原理开始，简要介绍理论和管理数学方程，如何对其进行数值建模。作为发展动手能力的一部分，学生将学习简短的CFD实验室经验，模拟一个简单的无人机飞行过程设置，讨论最佳尺寸和形状配置、飞行速度条件、网格问题等。

主题5：蜂群机器人技术（Swarm Robotics）

本专题讨论本科生水平的集群机器人。学习机器人技术的历史和集群机器人技术的进展。讨论机器人编程环境的使用，如ARGoS或机器人操作系统（ROS）与Gazebo。解释集群智能及其应用。

主题6：强化学习（Reinforcement Learning）

强化学习（RL）是一个智能、自我学习方法的框架，可应用于自主操作和应用。本专题将介绍强化学习，包括其基本概念，不同的方法，以及泛化方法。了解在解决机器人问题时面临的关键挑战以及未来研究的巨大潜力。

时间和日程：

请咨询项目老师。

精彩活动：

费用和资助：

项目费用：2875元人民币
资助说明：
10月15日之前报名并完成交费的学生，顺利获得结业证书后，可获得项目部提供的600元人民币资助。

报名和选拔：

申请条件：
1. 全日制本科生、研究生；
2. 英语听说读写有一定基础，能接受全英文授课；
3. 遵纪守法，自觉维护国家形象和学校名誉。

访学项目部电话：020-82002936
咨询手机/微信：13059106699（Lily老师)

学生评价：

Artificial Neural Networks

今天的课程主要讲的是关于机器学习方面的，涉及深度学习神经网络这块较深，首先是系统介绍讲解了神经网络的构成，包括生物学习上的神经元，轴突，树突等从而演变到机器神经网络。关于机器训练，很重要的两个值就是w权值以及b偏移量，这里就是w一般也是在-0.5～0.5这个范围中。系统来说，输入层有四个部分，下面就是隐藏层，一层或者两层与具体实践的训练有关，最后是输出层，这里就像是生物细胞中的神经元，由此而得到的启发。对于这堂课，其实我个人大部分都是听懂的，因为我这一年做的一个项目就是和深度学习神经网络这方面联系很深，不过我偏重的是CNN，但是ANN和CNN联系也很相近，理解起来难度也不是特别大，我觉得最难的是如何去实操训练这部分，就是写代码这部分，对我来说还是挺头疼的，不过我觉得这堂课还是有很多新的收获，巩固的同时也有不少新的感悟。——申珺妤

Embedded Systems

本堂课向我们介绍了在数字平台上设计以执行特定功能的电子/机电系统，硬件和固件（软件）的组合——嵌入式微系统。从与通用计算机的比较、与第一代嵌入式系统引入，讲述基于生成功能的信息、复杂性和性能、确定性行为、触发功能信息的不同种类的嵌入式系统。嵌入式系统已经有广泛的应用，深入我们生活的方方面面。由浅入深，向我们阐述了嵌入式系统的的目的、数据收集、存储、表示形式、数据通信、数据（信号）处理、监控系统、控制系统、应用程序界面的用户界面等。概念-内核-产品，第三部分关于产品方面向我们阐述了系统的设计、规范、步骤，产品的定义，控制器的选择，输入输出，8051和8255的引脚图，内存的需求，ROM以及对软硬件的需求。内容由浅入深、循序渐进，向我们拓展关于嵌入式的微系统，令人受益匪浅。——马燕婷同学

Swarm robotics

在今天的Dr. Wan老师的课堂中，他首先给我们介绍了机器人的背景，在公元10-70年的时候就已经有了由旋转齿轮驱动的机器人，后面又讲了The Writer Automaton和Automatons, human-like figures run by hidden mechanisms，这让我第一次认识到原来机器人的起源并没有我想象得晚，而是在比较早的时候就有了这种由机械零件组成和用巧妙的方法做出的机器结构。后面老师又讲了机器人概念的起源和机器人的发展历史，介绍了感觉-计划-行为模型，让我对机器人结构的原理有了更深入的了解。之后老师用蚂蚁和蚁群的的生动例子来让我们了解群体智能这个概念。蚂蚁不聪明，蚁群才聪明这个例子让我理解了智能不可能单单通过一个比较简单的个体来实现，是要通过将一个个简单的个体组合起来，才会有可能来实现智能，就如同我们的人体的免疫系统是由许多细胞组成才能有保护我们的功能。——居盟泊同学

Aerial robotics

今天是usm课程的最后一天，博士为我们介绍了有关空中机器人的第二部分，飞行原理，基本特点等等。老师为我们引入了一个动态模型，并运用空间几何的图解方式给我们详细计算和演示了空中无人机的飞行参数。同时他讲解了有关控制模块，由此可知空中机器人的基本飞行方式和飞行原理。通过2D四旋翼飞行无人机的控制模块，我了解了空中无人机的飞行方式和参数。同时他也提出了当前无人机面临的挑战。Gps定位系统在无人机上的精确应用，基本的避障功能，精确着陆，无人机群协作系统，故障检测和容错控制。他相应的构思了解决方案，以及提出了当前的研究趋势，应用外部系统来完善和解决当前遇到的问题。通过多种方案来完成自主导航和避障的能力。配合机载的系统完成精密着陆，协作系统等等。今天我的这个课程也到此结束了，在10天的学习中了解了不同领域的知识，不仅增长了我的见识，同时也完善了我思考问题的方式。——黄浚江同学

Reinforcement Learning

在这两天里周教授给我们介绍了强化学习的相关知识(Reinforcement Learning)，让我受益匪浅。在第一天的课程中，周教授主要介绍了强化学习的基本概念和方法，以及Markov决策过程等。周教授通过机器人如何到达最终目标的简单例子，由浅入深地告诉我们强化学习中除agent，environment之外的四个元素，即Policy，Reward function，Value function和Model，以及有关强化学习的各种方法。其中令我印象深刻的就是在讲解有关蒙特卡洛方法(Monte Carlo Methods)时，周教授通过具体的、形象的小例子将抽象的、难以理解的方法讲解得非常透彻。
在第二天的课程中，周教授主要介绍了强化学习在机器人中的应用，搜索策略，以及强化学习面临的一些挑战等。相比于第一天的基本概念的介绍，第二天的课程中更多的是一些具体的算法内容，包含了更多需要深入理解的数学符号等。但是周教授同样使用了详细的例子帮助我们理解方法核心，使得课程氛围生动有趣。
在这短短两天的学习中，我不仅学习到了强化学习的有关知识，周教授逻辑清晰，由浅入深的教学方法更加深了我对这门课程的理解。同时周教授严谨认真的教学态度更是令人钦佩，在今后的学术研究道路中，我也要秉持这种严谨认真的态度，学习如何将抽象化的算法运用形象具体化的方法表达出来的能力，提高自己的学术能力和水平。——Deniece Ji同学

上一篇：曼彻斯特大学暑期访学-学术课程下一篇：【寒假线上项目】马来西亚理科大学商业分析项目