Mobile and Collective Robotics
Kód | Zakončení | Kredity | Rozsah | Jazyk výuky |
---|---|---|---|---|
BE3M33MKR | Z,ZK | 6 | 2P+2L | anglicky |
- Vztahy:
- Předmět BE3M33MKR může při kontrole studijních plánů nahradit předmět B3M33MKR
- Předmět BE3M33MKR nesmí být zapsán, je-li v témže semestru zapsán anebo již dříve absolvován předmět B3M33MKR (vztah je symetrický)
- Předmět BE3M33MKR nesmí být zapsán, je-li v témže semestru zapsán anebo již dříve absolvován předmět A3M33MKR (vztah je symetrický)
- Podmínkou zápisu na předmět BE3M33MKR je, že student si nejpozději ve stejném semestru zapsal příslušný počet předmětů ze skupiny BEZBM
- Předmět BE3M33MKR nesmí být zapsán, je-li v témže semestru zapsán anebo již dříve absolvován předmět B3M33MKR (vztah je symetrický)
- Garant předmětu:
- Přednášející:
- Cvičící:
- Předmět zajišťuje:
- katedra kybernetiky
- Anotace:
-
The course introduces a basic mobile robot structure design together with control methods aimed to achieve autonomous and collective behaviors for robots. Methods and tool s for data acquisition and processing are presented herein with the overall goal to resolve the task of autonomous navigation for mobile robots comprising the tasks of sensor fusion, environmental modeling including Simultaneous Localization And Mapping (SLAM) approaches. Besides sensor-processing related tasks, methods for robot trajectory planning will be introduced. The central topic of the course stands in specific usage of the afore methods capable of execution with groups of robots and taking the advantage of their cooperation and coordination in groups. Labs and seminars are organized in a form of an Open Laboratory whereas the students will implement some fundamental algorithms and study their properties on real data.
- Požadavky:
-
B3M33ARO/BE3M33ARO (Autonomní robotika)
- Osnova přednášek:
-
1. Taxonomy of the localization problem. Continuous localization.
2. Probabilistic methods of localization 1 - Bayes filter
3. Probabilistic methods of localization 2 - KF, EKF, particle filter
4. Simultaneous localization and mapping (SLAM): EKF, PF, Rao-Blackwell
5. Graph SLAM.
6. Sensors used in mobile robotics.
7. Environment representation and modeling for mobile robotics (fundamental approaches, space decomposition, graph-based and hierarchical representations, occupancy grids)
8. Environment representation and path planning (overview, selection of an appropriate model and planning method, hierarchical planning, configuration space)
9. Probabilistic and special planning approaches (RRT, potential fields)
10. Planning under uncertainty (MDP, POMDP)
11. Multi-robot systems, aspects of their design, cooperation, coordination, communication.
12. Localization in multi-robot teams.
13. Processing of 3D information.
14. Current problems and challenges in mobile robotics.
- Osnova cvičení:
-
1. Labs organization, transformations
2. Iterative Closest Point (ICP)
3. Individual work (ICP) and consultation.
4. Individual work (ICP) and consultation.
5. Kalman filter (KF+EKF)
6. Individual work (KF+EKF) and consultation.
7. Particle filter (PF) and consultation
8. Individual work (PF) and consultation.
9. Individual work (PF) and consultation.
10. Individual work (PF) and consultation.
11. Rapidly Exploring Random Trees (RRT)
12. Individual work (RRT) and consultation.
13. Individual work (RRT) and consultation.
14. Individual work (RRT), grading.
- Cíle studia:
-
Cílem předmětu je seznámit posluchače s metodami a postupy návrhu a především zpracování dat v mobilních robotech nezbytné k dosažení jejich autonomie v reáných prostředích. Posluchači budou mít možnost si získané dovednosti ověřit s reálnými roboty.
- Studijní materiály:
-
R. Siegwart, I.R.Nourbakhsh, D.scaramuzza: Introduction to Autonomous Mobile Robots, MIT press, 2011.
S. Thrun, W.Burgard, D. Fox: Probabilistic Robotics. MIT press, 2005.
S.M.LaValle: Planning Algorithms. Cambridge University Press, 2006.
A. Kelly: Mobile Robotics: Mathematics, Models, and Methods. Cambridge University Press, 2013.
H. Choset, K. M. Lynch, S. Hutchinson, G. A. Kantor, W. Burgard, L. E. Kavraki, S. Thrun: Principles of Robot Motion: Theory, Algorithms, and Implementations (Intelligent Robotics and Autonomous Agents series), MIT Press, 2005.
- Poznámka:
- Další informace:
- https://cw.fel.cvut.cz/wiki/courses/BE3M33MKR
- Pro tento předmět se rozvrh nepřipravuje
- Předmět je součástí následujících studijních plánů: