# CMU 10-703：深度强化学习（2026 秋）

- 原标题：CMU 10-703：Deep Reinforcement Learning（2026 秋）
- 类型：课程
- 来源：cmudeeprl.github.io
- 学期：2026 秋
- 首次精选：2026-10-29 23:09
- 分级：值得看
- 学习层级：深入
- 主题：[robotics-world-models](<https://oplearnx.com/md/topics/robotics-world-models.md>)（第 30 位）、[reinforcement-alignment](<https://oplearnx.com/md/topics/reinforcement-alignment.md>)（第 36 位）
- 原文链接：[https://cmudeeprl.github.io/703website\_f26](<https://cmudeeprl.github.io/703website_f26>)
- 本站页面：[https://oplearnx.com/resources/pk\_e7510116c340](<https://oplearnx.com/resources/pk_e7510116c340>)

## 摘要

这是卡内基梅隆大学 10-703 深度强化学习课程的课程网站，课程综合计算机视觉、机器人控制、强化学习和语言理解等方向，讨论如何构建能感知世界并通过模仿、最大化稀疏奖励或满足好奇心来学习行动的智能体。课程目标包括实现和实验现有方法、评估其样本复杂度与泛化性、理解机器人学习领域论文等。页面列出先修要求：算法、概率、计算机视觉、深度学习（TensorFlow 与 PyTorch）、矩阵微积分和编程基础。

## 概览

- 难度：进阶
- 语言：英文

## 学完你能

- 实现并实验以强化信号、示范或内在好奇心为监督来学习行为策略的现有前沿方法。
- 评估这些算法的样本复杂度、泛化性与通用性。
- 读懂机器人学习领域的研究论文。
- 在现有方法上尝试自己的想法或扩展。

## 适合你吗

- 适合：已修过机器学习导论（10301/10601）且成绩达 B 的学生
- 适合：具备深度学习框架使用经验、想研究与实现深度强化学习算法的人
- 适合：希望读懂机器人学习方向研究论文的人
- 暂不适合：未修过机器学习导论或成绩未达 B 的学习者
- 暂不适合：缺乏矩阵微积分与数值编程基础的人
- 暂不适合：不熟悉 TensorFlow/PyTorch 的使用者
- 需要先会：需先修 10301/10601 机器学习导论（最低成绩 B），并具备算法、概率、计算机视觉（卷积网络、检测架构、LSTM、注意力）、TensorFlow/PyTorch、矩阵微积分与数值编程基础。

## 课程特点

- 内容侧重：结合计算机视觉、机器人控制、强化学习与语言理解，构建能感知世界并通过模仿、最大化稀疏奖励或满足好奇心来学习行动的智能体。
- 练习与项目：作业通过 Gradescope 提交；课程目标包含实现与实验前沿方法、评估算法性质，具体作业与考试安排材料未说明。
- 投入时间：每周讲座两节（周一、周三 9:30–10:50），另有周五 9:30–10:50 的复习课；总时长材料未给出。

---
来源：LearnMap · 学径（https://oplearnx.com）