Logo ČVUT
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
STUDIJNÍ PLÁNY
2022/2023
UPOZORNĚNÍ: Jsou dostupné studijní plány pro následující akademický rok.

Autonomní robotika

Přihlášení do KOSu pro zápis předmětu Zobrazit rozvrh
Kód Zakončení Kredity Rozsah Jazyk výuky
BE3M33ARO1 Z,ZK 6 2P+2L anglicky
Předmět nesmí být zapsán současně s:
Autonomous Robotics (BE3M33ARO)
Autonomní robotika (B3M33ARO)
Autonomní robotika (B3M33ARO1)
Předmět je náhradou za:
Autonomous Robotics (BE3M33ARO)
Autonomní robotika (B3M33ARO)
Autonomní robotika (B3M33ARO1)
Garant předmětu:
Karel Zimmermann
Přednášející:
Vojtěch Vonásek, Karel Zimmermann
Cvičící:
Ruslan Agishev, Bedřich Himmel, Vít Krátký, František Nekovář, Martin Pecka, Robert Pěnička, Karel Zimmermann
Předmět zajišťuje:
katedra kybernetiky
Anotace:

Předmět Autonomní Robotika naučí pricipům potřebným k vývoji algoritmů pro inteligentní mobilní roboty jako jsou například algoritmy pro:

(1) Mapování a lokalizaci (SLAM) a kalibraci sensorů (např. lidaru či kamery).

(2) Plánová í cesty v existující mapě, či planování explorace v částečně neznámé mapě.

Důležité: Očekává se, že studenti mají pracovní znalost optimalizace (Gauss-Newton method, Levenberg Marquardt method, full Newton method), matematické analýzy (gradient, Jacobian, Hessian, vícerozměrný Taylor polynom), linear algebra (least-squares method),pravděpodobnostní teorie (vícerozměrný gaussian), statistiky (maximum likelihood a maximum aposteriori estimate), programování v pythonu a algoritmů strojového učení.

Požadavky:

Očekává se, že studenti mají pracovní znalost optimalizace (Gauss-Newton method, Levenberg Marquardt method, full Newton method), matematické analýzy (gradient, Jacobian, Hessian, vícerozměrný Taylor polynom), linear algebra (least-squares method),pravděpodobnostní teorie (vícerozměrný gaussian), statistiky (maximum likelihood a maximum aposteriori estimate), programování v pythonu a algoritmů strojového učení.

Osnova přednášek:

https://cw.fel.cvut.cz/b212/courses/aro/lectures/start

Osnova cvičení:

https://cw.fel.cvut.cz/b212/courses/aro/tutorials/start

Cíle studia:
Studijní materiály:

[1] Goodfellow et al. Deep Learning, 2016 http://www.deeplearningbook.org

[2] Hartley, Zisserman Multipleview Geometry, 2004, https://www.robots.ox.ac.uk/~vgg/hzbook

[3] Steven M. LaValle. Planning Algorithms, Cambridge University Press, 2006. (volně na internetu, http://planning.cs.uiuc.edu/)

[4] B. Siciliano, O. Khatib (editoři). Handbook of Robotics, Springer-Verlag, Berlin 2008.

Poznámka:
Další informace:
https://cw.fel.cvut.cz/wiki/courses/aro
Rozvrh na zimní semestr 2022/2023:
Rozvrh není připraven
Rozvrh na letní semestr 2022/2023:
06:00–08:0008:00–10:0010:00–12:0012:00–14:0014:00–16:0016:00–18:0018:00–20:0020:00–22:0022:00–24:00
Po
místnost KN:E-107
Zimmermann K.
Vonásek V.

11:00–12:30
(přednášková par. 1)
Karlovo nám.
Zengerova posluchárna K1
místnost KN:E-132
Pecka M.
Agishev R.

14:30–16:00
(přednášková par. 1
paralelka 101)

Karlovo nám.
Laboratoř PC
Út
St
Čt

Předmět je součástí následujících studijních plánů:
Platnost dat k 26. 3. 2023
Aktualizace výše uvedených informací naleznete na adrese https://bilakniha.cvut.cz/cs/predmet6653706.html