Course Outline

Εισαγωγή

Επισκόπηση της Τεχνητής Νοημοσύνης (AI) και Robotics

    Προσομοίωση υπολογιστή έναντι φυσικής Robotics ως κλάδος των Εφαρμογών AI για τεχνητή νοημοσύνη στη ρομποτική

Κατανόηση του Localization

    Εντοπισμός του ρομπότ σας Χρήση αισθητήρων για την αξιολόγηση τοποθεσίας και περιβάλλοντος Ασκήσεις πιθανοτήτων

Μαθαίνοντας για το Robot Motion

    Ακριβείς και ανακριβείς κινήσεις Συναρτήσεις αίσθησης και κίνησης

Χρήση εργαλείων πιθανοτήτων

    Κανόνας Bayes Θεώρημα ολικής πιθανότητας

Εκτίμηση της κατάστασης του οχήματος με χρήση του φίλτρου Kalman

    Διεργασίες Gauss Μέτρηση και κίνηση Φιλτράρισμα Kalman (κώδικας, πρόβλεψη, σχεδιασμός και πίνακες)

Παρακολούθηση του ρομποτικού αυτοκινήτου σας χρησιμοποιώντας φίλτρο σωματιδίων

    Δηλώστε διάσταση χώρου και σύντομη λειτουργία Κατηγορία ρομπότ, κόσμος ρομπότ και σωματίδια ρομπότ

Διερεύνηση Σχεδιασμού και Search Μεθόδων

    A* αλγόριθμος αναζήτησης Σχεδιασμός κίνησης Υπολογίστε το κόστος και τη βέλτιστη διαδρομή

Programming Το ρομπότ AI σας

    Πρώτο πρόγραμμα αναζήτησης και πίνακας πλέγματος επέκτασης Δυναμικός προγραμματισμός Υπολογιστική αξία και βέλτιστη πολιτική

Χρήση ελέγχου PID

    Εξομάλυνση κίνησης και διαδρομής ρομπότ Εφαρμογή βελτιστοποίησης παραμέτρων ελεγκτή PID

Χαρτογράφηση και παρακολούθηση με χρήση SLAM

    Περιορισμοί Ορόσημα Εφαρμογή SLAM

Αντιμετώπιση προβλημάτων

Περίληψη και Συμπέρασμα

Requirements

  • Programming εμπειρία
  • Βασική κατανόηση της επιστήμης των υπολογιστών και της μηχανικής
  • Εξοικείωση με έννοιες πιθανοτήτων και γραμμική άλγεβρα

Ακροατήριο

  • Μηχανικοί
  21 Hours

Number of participants



Price per participant

Testimonials (1)

Related Courses

ROS for Mobile Robots using Python

  21 Hours

Smart Robots for Developers

  84 Hours

Developing a Bot

  14 Hours

Advanced Stable Diffusion: Deep Learning for Text-to-Image Generation

  21 Hours

Related Categories