AUP Teaching Labs
以 AMD GPU 加速的現代 AI 與實體 AI 實作課程。
從虛擬機器人與 GPU 平行實驗開始，學習智慧策略並部署至真實硬體；同時也能從電腦視覺與深度學習基礎，一路完成從零打造 Tiny LLaMA 的學習路徑。
實體 AI
從模擬與策略學習開始，進階到真實機械手臂操作與自主導航。
從機器人控制與平行模擬，進階至 ROCm 視覺、觸覺感知，以及具備互動式即時 HUD 與安全驗證流程的語言引導代理。
從腳本式機器人控制，進階到行為克隆、視覺語言動作模型、PPO 與跨領域強化學習。
從 MuJoCo 機器人模擬基礎，進階到 JAX、MJX、向量化 rollouts、domain randomization 與 Playground PPO。
在真實 SO-101 機械手臂上收集示範，並將資料轉換為可部署的 ACT 與 SmolVLA 策略。
使用全 AMD ROCm 與 ROS2 軟體環境，在真實 LeKiwi 機器人上部署感知、建圖與自主導航。
更多 AI 課程
建立現代智慧系統需要的視覺、建模與語言基礎。
從單張影像分類一路學習物件偵測、分割、追蹤與生成式模型，並在 AMD GPU 上使用 PyTorch 建立真實的視覺系統。
從傳統機器學習打好基礎，再進入神經網路、CNN、Word2Vec、自編碼器、GAN 與 Transformer。
從 tensors 與 gradients 開始，逐步實作 Transformer 元件、訓練與推論最佳化，最後完成 Tiny LLaMA。
開始學習
你可以在本機使用課程提供的環境執行 notebooks。部分課程也能整合 AUP Learning Cloud，使用預先建置且支援 ROCm 的 Jupyter 環境。
致謝
AUP 感謝共同投入課程內容的大學夥伴與開源社群。
| 大學 | 教授與實驗室 | 課程貢獻 |
|---|---|---|
| 國立臺灣大學 | 李濬屹教授、ELSA Lab | DL、CV |
| 南京大學 | 徐经纬教授、NJUDeepEngine | LLM |
| 國立陽明交通大學 | 謝秉均教授、Reinforcement Learning and Bandits Lab | 實體 AI、MuJoCo 強化學習 |
我們也感謝 AMD AECG 團隊提供部分實體 AI 教學素材，以及 Genesis 與 MuJoCo 開源社群。各項素材的詳細來源說明與原始 repository 連結，皆附於相關 notebook 中。