Podstawy SLAM: Jak roboty mapują świat i odnajdują się w nim

Roboty i pojazdy autonomiczne muszą wiedzieć, gdzie się znajdują i co je otacza, często bez żadnej wcześniejszej mapy otoczenia. Rozwiązanie tego problemu jajka i kury jest sercem SLAM, jednoczesnej lokalizacji i mapowania. Ten kurs zapewnia spokojne, ustrukturyzowane wprowadzenie do dziedziny, dzięki czemu możesz czytać artykuły o SLAM, oceniać stosy technologiczne i rozumieć ich zachowanie. Dowiesz się, co robi SLAM, czego nie potrafi, i jak różne czujniki i algorytmy dokonują różnych kompromisów. Kurs pozostaje zakorzeniony w powszechnie używanych koncepcjach i wskazuje na nowoczesne postępy kształtujące tę dziedzinę. Czego się nauczysz: - Zrozumiesz problem SLAM i dlaczego jest to fundamentalnie problem wspólnego szacowania - Rozpoznasz główne modalności czujników używane w SLAM, w tym LiDAR, kamery, czujniki głębi i jednostki inercyjne - Poznasz główne rodziny algorytmów, w tym podejścia filtrowania i nowoczesną optymalizację opartą na grafach - Dowiesz się, jak detekcja zamknięcia pętli przekształca dryfujące estymaty w globalnie spójne mapy - Zidentyfikujesz ograniczenia SLAM, w tym zmiany środowiska, awarie czujników i niejednoznaczne sceny - Zrozumiesz punkty integracji między SLAM, planowaniem ruchu i zachowaniem robota na wyższym poziomie Kurs zaczyna się od samego problemu SLAM, przechodzi przez czujniki i algorytmy, a kończy na rzeczywistościach operacyjnych związanych z uruchamianiem SLAM na prawdziwych robotach. Ćwiczenia pisemne pomagają połączyć każdą koncepcję z konkretnym robotem, środowiskiem lub przypadkiem użycia. Ten kurs jest przeznaczony dla absolutnie początkujących, bez doświadczenia w robotyce lub SLAM, w tym dla studentów informatyki, programistów eksplorujących robotykę i inżynierów rozpoczynających pracę w systemach autonomicznych. Nie są wymagane żadne wstępne warunki poza ogólnym komfortem z matematyką. Kurs wyjaśnia każdą pojawiającą się koncepcję i skupia się na zrozumieniu, a nie na implementacji.