推荐阅读清单¶

精选教材、课程、博客和其他资源，帮助你深入拓展知识。按主题和难度等级组织。

教材¶

书名	作者	难度	说明
Reinforcement Learning: An Introduction（第2版）	Sutton & Barto, 2018	入门-中级	RL 圣经。建议先读 1-6 章，再按需选读。免费在线。
Algorithms for Decision Making	Kochenderfer et al., 2022	中级	更广泛的决策视角，MDP 和 POMDP 讲解出色。免费在线。
Bandit Algorithms	Lattimore & Szepesvari, 2020	高级	对探索-利用问题的严格理论处理。

书名	作者	难度	说明
Deep Learning	Goodfellow, Bengio, Courville, 2016	入门-中级	标准参考书。第 6-12 章与 RL 最相关。免费在线。
Dive into Deep Learning	Zhang et al., 2023	入门	交互式、代码驱动。适合建立实现能力。中文版质量尤佳。
Understanding Deep Learning	Prince, 2023	中级	新书，覆盖 Transformer、扩散模型等最新架构。免费在线。

书名	作者	难度	说明
Modern Robotics	Lynch & Park, 2017	中级	运动学、动力学、控制。具身智能的必备基础。
Probabilistic Robotics	Thrun, Burgard, Fox, 2005	中级	定位、建图、SLAM。经典之作。
Robotics: Modelling, Planning and Control	Siciliano et al., 2010	中级-高级	全面覆盖机器人控制理论。

中文资源推荐

CS285: Deep Reinforcement Learning — UC Berkeley（Sergey Levine）深度 RL 课程的黄金标准。涵盖策略梯度、基于模型的 RL、离线 RL 等。视频公开。
David Silver's RL Course — UCL 经典 RL 基础课程。10 讲涵盖 MDP、动态规划、TD 学习、策略梯度。
Hugging Face Deep RL Course — Hugging Face 免费、交互式课程，含实践编程。适合初学者。
CS234: Reinforcement Learning — Stanford（Emma Brunskill）理论与应用并重，对 RL 的数学基础讲解扎实。

CS224R: Deep Reinforcement Learning for Robotics — Stanford RL 在机器人中的应用：Sim-to-Real、操作、运动控制。
16-831: Introduction to Robot Learning — CMU 涵盖模仿学习、RL 在机器人中的应用、数据高效方法。

Mathematics for Machine Learning — Deisenroth et al. 如果你的数学基础需要补强，这是最佳起点。免费在线。
Convex Optimization — Boyd & Vandenberghe 理解优化算法的理论基础。免费在线。

Lilian Weng 的博客 — 对 RL、世界模型、机器人等主题极为清晰的技术阐述。推荐从 "A (Long) Peek into Reinforcement Learning" 开始。
The Gradient — ML/AI 研究趋势的长文分析与评论。
Berkeley AI Research Blog (BAIR) — UC Berkeley 的研究博客，覆盖 RL、机器人和 AI 系统。
Google DeepMind Blog — RL 突破性成果的高质量文章（AlphaGo、MuZero、Gemini）。
Hugging Face Blog — 开源模型和工具的发布动态，含大量实用教程。

如何跟踪会议动态

建议关注各会议的官方 Twitter/X 账号和 OpenReview 页面。CoRL 和 RSS 是具身智能领域最对口的会议，审稿过程相对透明（OpenReview）。

按主题分类的论文列表，参见：