Estimativa de Estado e Localização para Veículos Autônomos

Para navegar com segurança, um veículo autônomo deve saber exatamente onde está no mundo, até o centímetro.Entender como os carros autônomos processam dados brutos do sensor para estimar sua posição e orientação é uma habilidade fundamental para qualquer aspirante a engenheiro de robótica. Neste curso baseado em texto, você fará a transição da compreensão de conceitos básicos de física para a compreenção da matemática e dos algoritmos que alimentam a localização de veículos autônomos modernos.Você estudará como os veículo GNSS, unidades de medição inercial (IMUs) e odometria de rodas para construir um sistema de estimativa robusto e em tempo real. O que você vai aprender: - Entenda a cinemática fundamental e os quadros de coordenadas usados na modelagem de movimento de veículos. - Aplique estimativa de mínimos quadrados e filtragem de Kalman para processar medições de sensores ruidosos. - Implemente técnicas de fusão de sensores que combinam dados de GNSS, IMU e odometria. - Explore os paradigmas modernos de estimativa de estado, incluindo Filtros Kalman Estendidos (EKF) e formulações de estado de erro. - Analise métodos de estimativa robustos e rejeição de valores atípicos para lidar com anomalias de sensores e interrupções de sinal. O curso começa com conceitos fundamentais em cinemática, probabilidade e sistemas de coordenadas antes de avançar para estimativa de estado recursivo, filtragem de Kalman e modernas estratégias de fusão multi-sensor. Este curso é projetado para iniciantes interessados em robótica e sistemas autônomos, exigindo apenas álgebra linear básica e familiaridade geral com a programação.Não é necessária experiência prévia com hardware de condução automática. Comece a aprender o núcleo algorítmico da localização de veículos autônomos hoje mesmo.