课程主讲人、UT Austin助理教授朱玉可在推特介绍说，这次课程更新了机器人学习领域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/
机器人和自动化系统在现代经济发展中发挥着重要作用，针对生产任务定制的机器人显著提高了生产率、操作安全性和产品质量。然而，这些机器人通常用于可控程度高的环境中的特定任务，无法很好地在现实世界中执行各种任务。
如何将机器人从受限的环境中延伸到日常生活中，帮助我们完成各种现实世界的任务？这对通用机器人自主性提出了更高的要求，需要机器人通过其感知镜头来理解世界，并据此做出决定。
该课程主要关注现代机器学习和人工智能算法，涵盖了一些主题，主要围绕以下几个方面:
机器人如何从原始的感官数据中感知非结构化的环境；
机器人如何根据自己的感知做出决定；
机器人如何在现实世界中积极主动地学习和适应。
主讲人简介
课程主讲人为UT Austin助理教授朱玉可，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。硕士和博士研究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计算机科学系助理教授，同时是机器人感知和学习实验室的主任，以及英伟达研究院高级研究科学家。
根据朱玉可的个人主页，其研究领域为理解并与现实世界交互的通用机器人构建智能。研究将融合机器人、计算机视觉和机器学习等诸多领域，并致力于开发用于通用机器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
学习目标
本课程面向对机器人和人工智能交叉领域新兴技术感兴趣的研究生及本科生，尤其是那些在该学科领域寻求研究机会的人。通过本课程，学生将会：
了解通用自治机器人在现实世界中的潜力和社会影响、构建它所带来的技术挑战，以及机器学习和人工智能在应对这些挑战中的作用；
熟悉各种模型驱动和数据驱动的机器人感知及决策的原理和算法；
能够评估、交流并将先进的AI技术应用于机器人中。
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
学习者应做以下准备：
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，熟悉 C/C++ 者优先；
熟悉微积分、统计学和线性代数，具备很强的数学能力；
优先考虑 AI 和机器学习（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。
