课程主讲人、UT Austin助理传授朱玉可在推特介绍说，这次课程更新了呆板人进修范围的一些最新趋势和进展，例如隐式表征、注意力架构、离线 RL、人为回环和AI合成数据。并且，所有材料都将公开发布。
课程主页：https://www.cs.utexas.edu/~yukez/cs391r_fall2021/
呆板人和自动化系统在现代经济发展中发挥着重要作用，针对生产工作定制的呆板人显著提高了生产率、操作安全性和产品质量。然而，这些呆板人通常用于可控程度高的情况中的特定工作，无法很好地在事实天下中执行各种工作。
如何将呆板人从受限的情况中延伸到日常生活中，帮助我们完成各种事实天下的工作？这对通用呆板人自主性提出了更高的要求，需要呆板人通过其感知镜头来理解天下，并据此做出决定。
该课程主要关注现代呆板进修和人工智能算法，涵盖了一些主题，主要围绕以下几个方面:
呆板人如何从原始的感官数据中感知非结构化的情况；
呆板人如何根据自己的感知做出决定；
呆板人如何在事实天下中积极主动地进修和适应。
主讲人简介
课程主讲人为UT Austin助理传授朱玉可，课程助理为UT Austin博士生江振宇。
朱玉可。
朱玉可本科毕业于浙江大学，并取得了浙江大学和加拿大西蒙弗雷泽大学（Simon Fraser University，简称 SFU）的双学位。硕士和博士钻研生就读于斯坦福大学，师从计算机视觉大牛李飞飞，并于2019年 8 月取得博士学位。朱玉可现任UT Austin计算机科学系助理传授，同时是呆板人感知和进修实验室的主任，以及英伟达钻研院高级钻研科学家。
根据朱玉可的个人主页，其钻研范围为理解并与事实天下交互的通用呆板人建立智能。钻研将融合呆板人、计算机视觉和呆板进修等诸多范围，并致力于开发用于通用呆板人自治的感知和控制方法和机制。
在斯坦福大学期间，朱玉可曾参与一些课程的教学工作，包括著名的《CS231N：视觉识别中的卷积神经网络》，还有 CS131、CS193C、CS431 等。
江振宇。
课程助理、UT Austin博士生江振宇本科毕业于清华大学，2020年开始在UT Austin攻读博士学位，导师为朱玉可。
课程安排
进修目标
本课程面向对呆板人和人工智能交叉范围新兴手艺感兴趣的钻研生及本科生，尤其是那些在该学科范围寻求钻研机会的人。通过本课程，学生将会：
了解通用自治呆板人在事实天下中的潜力和社会影响、建立它所带来的手艺挑战，以及呆板进修和人工智能在应对这些挑战中的作用；
认识各种模型驱动和数据驱动的呆板人感知及决策的原理和算法；
能够评估、交流并将先进的AI手艺应用于呆板人中。
课程总共16周，安排如下：
Part I: Robot Perception
Part II: Robot Decision Making
Part III: Robot Learning in the Real World
进修者应做以下准备：
了解基本的数据结构和算法以及计算机编程的实践技能，精通 Python，认识 C/C++ 者优先；
认识微积分、统计学和线性代数，具备很强的数学能力；
优先考虑 AI 和呆板进修（CS342、CS391L 和 CS394R）方面的课程经历和/或同等经验；
使用 Robotics + AI 系统时要具备热情、耐心和无所畏惧。