Popis předmětu - BE3M33ARO1

Přehled studia | Přehled oborů | Všechny skupiny předmětů | Všechny předměty | Seznam rolí | Vysvětlivky               Návod
BE3M33ARO1 Autonomní robotika
Role:P, PV Rozsah výuky:2P+2L
Katedra:13133 Jazyk výuky:EN
Garanti:Zimmermann K. Zakončení:Z,ZK
Přednášející:Vonásek V., Zimmermann K. Kreditů:6
Cvičící:Osob je mnoho Semestr:L

Webová stránka:

https://cw.fel.cvut.cz/wiki/courses/aro

Anotace:

Předmět Autonomní Robotika naučí pricipům potřebným k vývoji algoritmů pro inteligentní mobilní roboty jako jsou například algoritmy pro:
(1) Mapování a lokalizaci (SLAM) a kalibraci sensorů (např. lidaru či kamery).
(2) Plánová í cesty v existující mapě, či planování explorace v částečně neznámé mapě.
Důležité: Očekává se, že studenti mají pracovní znalost optimalizace (Gauss-Newton method, Levenberg Marquardt method, full Newton method), matematické analýzy (gradient, Jacobian, Hessian, vícerozměrný Taylor polynom), linear algebra (least-squares method),pravděpodobnostní teorie (vícerozměrný gaussian), statistiky (maximum likelihood a maximum aposteriori estimate), programování v pythonu a algoritmů strojového učení. Tento předmět je také součástí meziuniverzitního programu prg.ai Minor. Ten spojuje to nejlepší z výuky AI v Praze s cílem poskytnout studujícím hlubší a širší vhled do oboru umělé inteligence. Více informací je k dispozici na webu https://prg.ai/minor.

Obsah:

https://cw.fel.cvut.cz/wiki/courses/aro/start

Osnovy přednášek:

https://cw.fel.cvut.cz/wiki/courses/aro/lectures/start

Osnovy cvičení:

https://cw.fel.cvut.cz/wiki/courses/aro/tutorials/start

Literatura:

[1] Goodfellow et al. Deep Learning, 2016 http://www.deeplearningbook.org
[2] Hartley, Zisserman Multipleview Geometry, 2004, https://www.robots.ox.ac.uk/~vgg/hzbook
[3] Steven M. LaValle. Planning Algorithms, Cambridge University Press, 2006. (volně na internetu, http://planning.cs.uiuc.edu/)
[4] B. Siciliano, O. Khatib (editoři). Handbook of Robotics, Springer-Verlag, Berlin 2008.

Požadavky:

Očekává se, že studenti mají pracovní znalost optimalizace (Gauss-Newton method, Levenberg Marquardt method, full Newton method), matematické analýzy (gradient, Jacobian, Hessian, vícerozměrný Taylor polynom), linear algebra (least-squares method),pravděpodobnostní teorie (vícerozměrný gaussian), statistiky (maximum likelihood a maximum aposteriori estimate), programování v pythonu a algoritmů strojového učení.

Předmět je zahrnut do těchto studijních plánů:

Plán Obor Role Dop. semestr
MEKYR_2021 Před zařazením do oboru P 2
MELAK_2016 Avionika PV 2


Stránka vytvořena 7.12.2024 12:50:55, semestry: Z,L/2024-5, Z/2025-6, připomínky k informační náplni zasílejte správci studijních plánů Návrh a realizace: I. Halaška (K336), J. Novák (K336)