Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Struttura del corso
Introduzione
Panoramica sull'intelligenza artificiale (AI) e Robotics
- Confronto tra simulazione al computer e fisica
- Robotics come branca dell'IA
- Applicazioni dell'IA nella robotica
Informazioni sulla localizzazione
- Localizzazione del robot
- Utilizzo di sensori per valutare la posizione e l'ambiente
- Esercizi di probabilità
Imparare a conoscere il movimento dei robot
- Moti esatti e inesatti
- Funzioni di rilevamento e spostamento
Utilizzo degli strumenti di probabilità
- Regola di Bayes
- Teorema della probabilità totale
Stima dello stato del veicolo utilizzando il filtro di Kalman
- Processi gaussiani
- Misurazione e movimento
- Filtro di Kalman (codice, previsione, progettazione e matrici)
Tracciamento dell'auto robotica utilizzando il filtro antiparticolato
- Dimensione dello spazio degli stati e modalità breve
- Classe robot, mondo robotico e particelle robotiche
Esplorazione della pianificazione e Search metodi
- Algoritmo di ricerca A*
- Pianificazione del movimento
- Costo di calcolo e percorso ottimale
Programming Il tuo robot.
- Primo programma di ricerca e tabella della griglia di espansione
- Programmazione dinamica
- Valore di calcolo e policy ottimale
Utilizzo del controllo PID
- Movimento del robot e livellamento del percorso
- Implementazione del controller PID
- Ottimizzazione dei parametri
Mappatura e tracciamento con SLAM
- Vincoli
- Luoghi d' interesse
- Implementazione di SLAM
Risoluzione dei problemi
Riassunto e conclusione
Requisiti
- Programming Esperienza
- Conoscenze di base di informatica e ingegneria
- Familiarità con i concetti di probabilità e algebra lineare
Pubblico
- ingegneri
21 ore
Recensioni (1)
Good conceptual explanations followed by good example exercises