机器人中的数值优化

《深蓝学院——机器人中的数值优化》是一门面向机器人、人工智能、自动驾驶、计算机视觉及相关专业学习者打造的高质量进阶课程。课程围绕机器人系统中广泛应用的数值优化理论与工程实践展开，深入讲解优化算法在定位、建图、轨迹规划、状态估计、运动控制等领域中的核心作用，帮助学员建立完整的优化算法知识体系，并具备解决实际工程问题的能力。

课程从数值优化的基础理论入手，系统介绍目标函数、约束条件、梯度、雅可比矩阵、海森矩阵等基本概念，让学员理解优化问题的数学本质。在此基础上，课程深入讲解梯度下降法、牛顿法、高斯—牛顿法、列文伯格—马夸特（Levenberg-Marquardt）算法、共轭梯度法等经典数值优化算法，分析它们的原理、适用场景、收敛特性及优缺点，使学员能够根据不同问题选择合适的求解策略。

为了贴近机器人实际应用，课程重点结合SLAM（同步定位与地图构建）、视觉里程计、多传感器融合、位姿图优化、Bundle Adjustment（BA）优化等典型场景进行案例分析，详细讲解如何建立误差模型、构建优化目标、计算残差及雅可比矩阵，并利用稀疏矩阵计算和非线性最小二乘优化提升算法效率。通过理论与实践相结合的方式，帮助学员深入理解现代机器人系统背后的数学基础。

课程还会介绍机器人开发中常用的优化工具和开源库，如Eigen线性代数库、Ceres Solver、g2o等，讲解这些工具在工程项目中的使用方法，包括问题建模、参数配置、求解过程以及性能调优。学员将通过完整的代码示例和项目实战，掌握优化算法从理论推导到程序实现的全过程，提高独立开发机器人算法的能力。

此外，课程还涉及非线性优化、稀疏矩阵求解、李群与李代数、概率统计基础以及误差传播分析等高级内容，为深入学习机器人感知、导航、自主定位、自动驾驶等方向奠定坚实基础。课程强调数学推导与工程实现并重，不仅帮助学员理解算法原理，还注重培养解决复杂工程问题的实践能力。

总体而言，《深蓝学院——机器人中的数值优化》是一门兼具理论深度与工程价值的专业课程，内容体系完整、案例丰富、实践性强，适合具有一定数学和编程基础，希望深入学习机器人算法、SLAM、计算机视觉及自动驾驶技术的开发者、科研人员和高校学生学习。通过本课程，学员能够系统掌握机器人领域常用的数值优化方法，为从事机器人研发、智能驾驶和人工智能算法开发提供坚实的理论支撑与实践经验。

课程截图：

课程目录：

深蓝学院-机器人中的数值优化/
│ ├── 第一章/
│ │ ├── 第一章第一节/
│ │ │ ├── 第一章第一节文档.png (0.48 MB)
│ │ │ └── L1-Numerical Optimization in Robotics.pdf (6.59 MB)
│ │ ├── 第一节/
│ │ │ ├── 第一节资料.zip (1.83 MB)
│ │ │ ├── Matrix Computations.pdf (13.11 MB)
│ │ │ └── 参考资料.zip (27.53 MB)
│ │ ├── 第一章说明.zip (1.83 MB)
│ │ ├── L1思路提示.pdf (0.32 MB)
│ │ ├── 5【视 频】Unconstrained Optimization for Nonconvex Functions.mp4 (351.27 MB)
│ │ ├── 4视频】Convex Function Property.mp4 (879.35 MB)
│ │ ├── L1_Instruction.pdf (0.19 MB)
│ │ ├── 2Convex Sets.mp4 (308.03 MB)
│ │ ├── 3【视频】High-Order Info of Functions.mp4 (280.22 MB)
│ │ ├── 6【视频】Modified Damped.mp4 (495.37 MB)
│ │ ├── 第一章作业分享-坦克小白.pdf (1.42 MB)
│ │ ├── 1.【视频】Introduction.mp4 (447.22 MB)
│ │ └── 第一章作业.docx (0.36 MB)
│ ├── 第四章/
│ │ ├── 第四章说明.png (0.48 MB)
│ │ ├── L4Homework.pdf (0.32 MB)
│ │ ├── 6视频】锥增广的拉格朗日.mp4 (1183.57 MB)
│ │ ├── 3视频】约束优化应用2：碰撞距离计算.mp4 (327.24 MB)
│ │ ├── 5视频】锥与对称锥.mp4 (146.32 MB)
│ │ ├── 2.【视频】约束优化应用1：控制分配问题.mp4 (251.08 MB)
│ │ ├── 1视频】PHR增广拉格朗日乘子法.mp4 (1129.47 MB)
│ │ ├── L4 Numerical Optimization in Robotics.pdf (12.59 MB)
│ │ ├── 4频】约束优化应用3：非线性模型预测控制.mp4 (23.25 MB)
│ │ └── 7视频】应用：时间最优的路径参数化.mp4 (665.61 MB)
│ ├── 第五章/
│ │ ├── 1视频】Smoothing Techniques.mp4 (1303.88 MB)
│ │ ├── 5视频】大作业.mp4 (349.81 MB)
│ │ ├── L5-Numerical Optimization in Robotics.pdf (5.18 MB)
│ │ ├── 4Resources for Optimization Softwares.mp4 (77.78 MB)
│ │ ├── 2视频】Adjoint Sensitivity Analysis.mp4 (756.17 MB)
│ │ └── 3视频】About Linear Solvers.mp4 (560.74 MB)
│ ├── 第三章/
│ │ ├── 6KKT条件与PHR增广拉格朗日乘子法.mp4 (273.43 MB)
│ │ ├── 1视频】带约束优化问题的定义.mp4 (164.03 MB)
│ │ ├── L3-Instruction.pdf (0.48 MB)
│ │ ├── 5视频】约束优化的3种序列无约束化方法.mp4 (1273.45 MB)
│ │ ├── 第三章作业思路提示-助教姜金圻.pdf (0.19 MB)
│ │ ├── HW3_20220822_175717.rar (0.47 MB)
│ │ ├── 4低维线性时间严格凸二次规划算法.mp4 (879.70 MB)
│ │ ├── 3】低维线性时间线性规划算法：Seidel算法.mp4 (1207.96 MB)
│ │ ├── L3-Numerical Optimization in Robotics.pdf (13.81 MB)
│ │ └── 2视频】带约束优化问题的分类及复杂度.mp4 (606.88 MB)
│ ├── 第二章/
│ │ ├── 第二章资料.zip (1.83 MB)
│ │ ├── 2视频】为什么要引入拟牛顿法.mp4 (222.91 MB)
│ │ ├── L2-Numerical Optimization in Robotics.pdf (34.70 MB)
│ │ ├── 7视频】牛顿共轭梯度法.mp4 (179.95 MB)
│ │ ├── 1视频】章节内容介绍.mp4 (133.42 MB)
│ │ ├── 6视频】线性共轭梯度法.mp4 (760.24 MB)
│ │ ├── 4视频】非凸但平滑的函数BFGS优化算法.mp4 (468.41 MB)
│ │ ├── 3视频】凸且光滑的函数的BFGS优化算法.mp4 (926.61 MB)
│ │ ├── 8视频】应用：平滑导航路径生成.mp4 (244.20 MB)
│ │ └── 5视频】L-BFGS优化算法.mp4 (291.29 MB)
│ ├── 1：【视频】汪博直播答疑回放.mp4 (337.63 MB)
│ ├── 课件资料.zip (107.89 MB)
│ └── 机器人中的数值优化开课仪式.pdf (0.97 MB)