TEL310 Probabilistisk Robotikk

Studiepoeng:10

Ansvarlig fakultet:Fakultet for realfag og teknologi

Emneansvarlig:Antonio Candea Leite

Campus / nettbasert:Undervises campus Ås

Undervisningens språk:Engelsk

Frekvens:Årlig

Forventet arbeidsmengde:Forelesninger, dataøvelser, laboratorieøvelser og lekser, ca 250-300 timer.

Undervisnings- og vurderingsperiode:Dette kurset starter i høstparallellen. Dette emnet har undervisning og evaluering i løpet av høstparallellen.

Om dette emnet

Dette kurset gir en omfattende oversikt over sannsynlighetsalgoritmer for robotikk på masternivå og fokuserer på et kritisk element ved robotikk: usikkerhet i robotpersepsjon og handling. Nøkkelideen med sannsynlighetsrobotikk er å representere usikkerhet eksplisitt, ved å bruke beregningen av sannsynlighetsteori. Det inkluderer grunnleggende konsepter for sannsynlighet, Bayes-filtre, Gaussiske og ikke-parametriske filtre, robotbevegelse, persepsjon, mobil robotlokalisering, rutenett- og Monte Carlo-lokalisering, kartlegging av beleggsnett, SLAM og Markov-beslutningsprosesser. Kurset tar også for seg hovedkildene til usikkerhet innen robotikk: miljøer, sensorer, aktuatorer, robotmodeller og beregningsalgoritmer.

Dette lærer du

Etter fullført emne har studentene tilegnet seg kunnskap om og ferdigheter i å designe, analysere og anvende sannsynlige tilnærminger for robotsystemer. Dette inkluderer kombinasjonen av praktisk arbeid og programmering, med algoritmer for filtrering, planlegging, lokalisering og så videre. Studentene skal også ha grunnleggende kunnskap om og ferdigheter i å anvende de mest brukte metodene innen probabilistisk robotikk for en lang rekke robotapplikasjoner.

Læringsaktiviteter
Emnet består av forelesninger og øvelser, problembasert læring fra industripartnere, og dataøvelser, med bruk av programmer i analyse og design av sannsynlighetsalgoritmer. Kurset kompletteres med laboratoriearbeid (labøvelser), et sett med praktiske implementeringsinstruksjoner i simulering ved bruk av Matlab/Simulink-programvare og Python-språk, og feltarbeid (hvis noen) på ekte mobile roboter som bruker ROS-rammeverket.
Forelesninger og øvelser: konsepter presenteres og problemer analyseres.
Dataøvelser: presenterte konsepter praktiseres gjennom veiledninger og øvelser.
Laboratorieøvelser: presenterte konsepter testes på simulerte og ekte roboter.
Læringsstøtte
- Læreren er tilgjengelig for konsultasjon i forelesningsperioden og ellers tilgjengelig på e-post eller avtale.
- Assisterende lærere vil veilede og støtte studenter under øvelser, øvingstimer og laboratorier.
- Kursrom på Canvas.
- Lisenser for The Construct-plattformen vil bli gitt ved starten av kurset.
Pensum
- Thrun, S., Burgard, W. & Fox, D., "Probabilistic Robotics," The MIT Press, 2005.
- Choset, H., Lynch, K. M., Hutchinson, S., Kantor, G. A., Burgard, W., Kavraki, L. E. & Thrun, S., "Principles of Robot Motion: Theory, Algorithms, and Implementations," The MIT Press, 2005.
- Video klasser: Youtube (Cyrill Stachniss), MATLAB Tech Talks.
Forutsatte forkunnskaper
- INF120 Programmering og databehandling, ECTS 10.
- TEL240 Reguleringsteknikk og automasjon, ECTS 10.
- TEL200 Introduksjon til robotikk, ECTS 10.
- TEL211 Robotprogrammering, ECTS 10.
Anbefalte forkunnskaper
- TEL280 Mobile roboter og navigasjon, ECTS 10.
Vurderingsordning, hjelpemiddel og eksamen
Kontinuerlig eksamen: Alle obligatoriske øvinger, laboratoriearbeid og muntlig presentasjon skal være godkjent. En teknisk rapport om laboratoriearbeidet og feltarbeid (hvis noen) vil telle 100% for den endelige karakteren (A-E/F).

Mappe/sammensatt vurdering Karakterregel: Bokstavkarakterer
Sensorordning
Ekstern sensor vil kontrollere kvaliteten på pensum, eventuelle spørsmål til avsluttende eksamen og prinsippene for vurdering av eksamensbesvarelsene.
Obligatorisk aktivitet
Obligatorisk arbeid: laboratoriearbeid, feltarbeid (hvis noen), muntlig presentasjon og skriftlig teknisk rapport.
Fortrinnsrett
Anvendt Robotikk
Opptakskrav
Vitenskap og teknologi