中正大學課程大綱
課程名稱(中文)： 機器導航與探索 開課單位： 工學院碩博班(College of Engineering (Graduate))
課程名稱(英文) Robotic Navigation and Exploration 課程代碼 4015208_01
授課教師： 謝奇文 學分數 3
必/選修 選修 開課年級 研究所（開放大學部修讀）
先修科目或先備能力：
建議學生需已修過Python程式設計、影像處理、深度學習相關課程。
學生須自備具GPU顯卡之電腦。
本課程期末專題採分組開發，為避免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。
課程概述：
主導老師：清大 胡敏君；協同教師：謝奇文
本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。

1.本門課程為TAICA臺灣大專院校人工智慧學程聯盟課程，採用台灣大學NTU COOL數位學習平臺進行上課。
2.上課時間：每週一18：30-21：10，線上收播上課連結：https://taicatw.net/spring-114/。
3.本課程為配合「TAICA 臺灣大專院校人工智慧學程聯盟」之學分學程設立，如果同學滿足學程修課要求，可申請TAICA學分學程證書。
4.學士班同學可以上修。
學習目標：
1.
教科書：
參考書目
● 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)
● Xiang Gao , Tao Zhang: Introduction to Visual SLAM - From Theory to Practice,2021.
● Gang Peng , Tin Lun LAM , Chunxu Hu , Yu Yao , Jintao Liu , Fan Yang:Introduction to Intelligent Robot System Design - Application Development with ROS, 2023.

課程大綱 分配時數 核心能力 備註
單元主題 內容綱要 講授 示範 隨堂作業 其他
Introduction to Robotic Navigation and Exploration
Lab 1
Kinematic Model and Path Tracking Control
* Control System Basics
* PID Control
* Basic Kinematic Model
* Differential Drive Vehicle
* Pure Pursuit Control
* Kinematic Bicycle Model
Lab 2
Motion Planning
* Motion Planning Introduction
* Path Planning
* Curve Interpolation
* Trajectory Planning
* Path Planning
Reinforcement Learning (I)
* MDP
* Value Function
* Bellman Equation
* Reinforcement Learning
Lab 3
Reinforcement Learning (II)
* Q-Learning / Sarsa / DQN
* Policy Gradient / Actor-Critic
Project Environment Building
補假
清明補假
SLAM Back-end (I)
* State Estimation and SLAM Problem
* Probability Theory and Bayes Filter
* Kalman Filter / Extended Kalman Filter
Lab 4
SLAM Back-end (II)
* Graph based Optimization
* Graph Optimization for 2D SLAM (Bundle Adjustment)
3D SLAM (I)
* Feature Descriptor
* Multi-view Geometry
* Lie Group & Lie Algebra
3D SLAM (II)
* 3D SLAM: ORB-SLAM
* Direct Method
* DNN-based SLAM
Lab 5
3D Embodied Agent (I)
* 2D → 3D → Interactive Embodied Intelligence Evolution
* Overview of Major Ecosystems:
* Real-world Use Cases
3D Embodied Agent (II)
* Vision-Language Models for Embodied Agents
* Preference-based RL + VLM Rewards
* 3D Content Generation for Embodied Agents
* LLM-Driven Decision Making & Task Planning
Paper Presentation (I)
Paper Presentation (II)
Project Presentation & Demo


請尊重智慧財產權，不得非法影印教師指定之教科書籍

教學要點概述：
1. 教材編選(可複選)：自編簡報(ppt)教科書作者提供
2. 教學方法(可複選)：講述板書講述
3. 評量工具(可複選)：上課點名 0%, 隨堂測驗0%, 隨堂作業40.00%, 程式實作0%, 實習報告0%,
                       專案報告10.00%, 期中考0%, 期末考0%, 期末報告30.00%, 其他0%,
4. 教學資源：課程網站 教材電子檔供下載 實習網站
5. 教學相關配合事項： 遠距上課位置https://www.youtube.com/@NTHURNE-l9v

課程目標與教育核心能力相關性        
請勾選：