Course Outline

Εισαγωγή

Γενική περίγραφη του τμήματος της τεχνητής νοημοσύνης (AI) και της ρομποτικής

  • Υπολογιστικά μετασχηματισμένα σύστημα αντί των φυσικών
  • Η ρομποτική ως επιστήμη της τεχνητής νοημοσύνης (AI)
  • Εφαρμογές της AI στη ρομποτική

Κατανόηση της τοποθεσίας

  • Τοποθέτηση του ρομπότ σας
  • Χρήση αισθητήρων για την εκτίμηση της θέσης και του περιβάλλοντος
  • Ασκήσεις πιθανότητας

Μάθηση για τη κίνηση ρομπότ

  • Ακριβείς και μη ακριβείς κινήσεις
  • Συναρτήσεις ανάληψης και κίνησης

Χρήση εργαλείων πιθανότητας

  • Κανόνας του Bayes
  • Θεώρημα συνολικής πιθανότητας

Εκτίμηση κατάστασης οχήματος χρησιμοποιώντας το φίλτρο Kalman

  • Γαουσιανές διαδικασίες
  • Μέτρηση και κίνηση
  • Φίλτρο Kalman (κώδικας, πρόβλεψη, σχεδιασμός και ματρίκες)

Κατανόηση του ρομπότ αυτοκίνητου μέσω του φίλτρου παρατηρήτη

  • Διάσταση οχυρού και σύντομη υποδοχή
  • Τάξη ρομπότ, κόσμος ρομπότ και παράτηρητες του ρομπότ

Εξέρευνση μεθόδων πλаниρίζων και αναζήτησης

  • Αλγόριθμος αναζήτησης A*
  • Πλάνο κίνησης
  • Υπολογισμός κόστους και βέλτιστου μακριά

Προγραμματισμός του ρομπότ AI σας

  • Πρώτη πρόγραμμα αναζήτησης και πίνακας επέκτασης
  • Δυναμική προγραμματισμός
  • Υπολογισμός αξίας και βέλτιστης στρατηγικής

Χρήση ελεγχηλών PID

  • Κίνηση ρομπότ και γέφυρα πάθη
  • Εφαρμογή ελεγχηλών PID
  • Βελτιστοποίηση παραμέτρων

Διαχείριση χάρτων και παρακολούθηση με τη διαδικασία SLAM

  • Περιορισμοί
  • Σημεία αναφοράς
  • Εφαρμογή διαδικασίας SLAM

Διαλύσεις προβλημάτων

Περίληψη και συμπέρασμα

Requirements

  • Προγραμματιστική εμπειρία
  • Βασική κατανόηση της υπολογιστικής επιστήμης και μηχανικής
  • Γνωριμία με πιθανοφάνειες και γραμμική άλγεβρα

Αυδιένση

  • Μηχανικοί
 21 Hours

Number of participants


Price per participant

Testimonials (1)

Upcoming Courses

Related Categories