結合 MATLAB 與 Quanser 頂尖設備，探索強化學習於動態控制系統的實務應用。強化學習（Reinforcement Learning, RL）是機器學習的一個子集，其核心在於處理動態數據，而不是非監督式或監督式學習處理靜態數據。強化學習已廣泛應用於多種領域，從訓練電腦程式執行特定任務到自動駕駛車輛，同時也在控制系統中扮演重要角色。

直流馬達在現代工程教育中無處不在，是機器人、航空航天和自主系統等廣泛領域複雜系統的基石。如果您正在尋找控制教育與研究的實用解決方案，您可能已經瀏覽過我們的「控制與動力學產品」頁面，並看到了 Qube-Servo 3 與 Rotary Servo。這兩款系統都非常適合教學與研究應用，但哪一款才適合您？

Quanser 認為，成果導向的科普推廣模型應嵌入大學價值鏈中，旨在增強品牌、提高計畫競爭力、增加大學與研究所招生，並提升留校率。該框架採用層級式且強調動手實作（Hands-on）的設計，學習者透過多層次使用者介面（UI），從引導式實驗進階至開放式專案。由於各階段皆使用相同的儀器平台

本次QUANSER 線上直播工作坊將由錫昌科技資深技術服務工程師 Michael Hsu 線上分享，帶您深入了解 QUANSER 實驗平台在教學與研究中的應用。

來自瑞士洛桑聯邦理工學院 (EPFL)高級研究員兼講師Christophe Salzmann 博士，於1997年懷抱著創建一個更具包容性、更具彈性的實驗學習環境的願景，開創了最早期的遠距實驗室之一。這套系統讓學生能隨時隨地透過網路控制實體實驗，成功地打破了空間與時間的限制。

QUANSER擁有超過30年的硬體開發經驗，並透過數位孿生技術建構出QUANSER擬真互動實驗室QLABS，只需在電腦安裝MATLAB/Simulink與QLABS便能輕鬆進行實驗課程學習，突破傳統實驗室的空間限制。同時QLABS也支援與QUANSER實體設備整合，讓課程內容更多

內容將涵蓋U控制系統配置、開環動態反轉、閉環動態反轉、無模型滑塊模式控制(MFSMC)以及使用 QLabs Virtual Qube-Servo 2 Pendulum 進行旋轉倒單擺無模型控制的演示

這次線上講座中，來自洛桑聯邦理工學院的Christophe Salzmann博士將首先簡要定義遠端即時實驗，並介紹他的團隊為QUBE開發的機械擴充，以實現全方位的遠端控制。

來自JuliaHub的Fredrik Bagge Carlson博士將探討使用Julia進行動態系統建模、模擬和控制的應用。將詳細介紹即時考慮因素(real-time considerations)，並透過在Quanser Qube 3攜帶式旋轉倒單擺上實施和分析擺動控制器的案例