北京
當算法部署至機器人平 臺， 常出現軌跡偏離、MPC求解器報錯、力矩超限等問題，僅靠調參往往難以解決。問題的關鍵并非缺乏調參經驗，而在于對數值優化缺乏系統性的理論把握。
算法能否收斂、收斂到何種解，取決于對目標函數凸性、約束類型、求解器適配條件、凸松弛可行性等數學問題的準確判斷。這些判斷屬于理論層面的基礎認知。
不少開發者的數學基礎停留在本科階段，遇到優化問題時習慣優先調試參數，而非建立精確數學模型，這正是反復碰壁的核心原因。
為幫助大家更好地 學習理解數值優化問題，深藍學院聯合高飛老師所在的浙江大學Fast-Lab實驗室共同打磨推出『機器人中的數值優化』在線課程。學習課程需要微積分、線性代數和矩陣論的數學基礎。從凸集合與凸函數，到無約束優化的擬牛頓法與共軛梯度法，再到約束優化的KKT條件與PHR增廣拉格朗日乘子法——每一步都緊扣機器人的實際應用場景。
以下是實踐項目：復雜障礙物環境中的安全導航
掃碼添加，了解詳情
01
講師介紹
02
課程大綱
03
課程亮點
結合豐富的圖例將復雜的優化思想形象化表達
弱化公式推導，強調算法功能的意義以及模塊的輸入輸出特點
針對機器人中的簡單但具體的應用，在問題構建和求解上對癥下藥
04
課程收獲
光滑/非光滑函數的一階/二階/Hessian-free無約束數值優化
適用于低維度問題的約束優化精確算法
對稱錐約束和一般約束優化的數值算法
機器人中優化問題的結構化構建與優化
針對不同問題的特點選擇求解方案的能力
掃碼添加，了解詳情
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
