Mudanças entre as edições de "SSC-5880(Denis)(3)"
(→SSC-5880 Algoritmos de Estimação para Robótica Móvel) |
(→SSC-5880 Algoritmos de Estimação para Robótica Móvel) |
||
| (6 revisões intermediárias pelo mesmo usuário não estão sendo mostradas) | |||
| Linha 28: | Linha 28: | ||
19/6 – Planejamento – Proc. de Decisão de Markov | 19/6 – Planejamento – Proc. de Decisão de Markov | ||
26/6 - Seminários | 26/6 - Seminários | ||
| − | 3/7 | + | 3/7 - Seminários |
'''Material didático:''' | '''Material didático:''' | ||
| Linha 45: | Linha 45: | ||
[[Arquivo:SSC5880-aula4b.pdf]] | [[Arquivo:SSC5880-aula4b.pdf]] | ||
| + | |||
| + | [[Arquivo:SSC5880-aula5.pdf]] | ||
| Linha 50: | Linha 52: | ||
[[Arquivo:SSC5880-trab2.pdf]] | [[Arquivo:SSC5880-trab2.pdf]] | ||
| + | |||
| + | [[Arquivo:SSC5880-trab3.pdf]] | ||
[[Arquivo:SSC5880-loc_grid_python.zip]] | [[Arquivo:SSC5880-loc_grid_python.zip]] | ||
| + | |||
| + | |||
| + | Distribuição dos [[Seminários]] | ||
Edição atual tal como às 19h31min de 21 de junho de 2012
SSC-5880 Algoritmos de Estimação para Robótica Móvel
Prof. Denis F. Wolf
Horário: terça-feira das 14:00 às 17:00
Sala: 3-104
Objetivos
Esta disciplina aborda algoritmos avançados da área de robótica móvel. São abordadas técnicas inteligentes para controle de sistemas autônomos e aplicação de teoria probabilística e fusão de sensores na solução de problemas envolvendo robôs móveis. São também apresentadas e discutidas aplicações práticas de robôs móveis que ilustram os conceitos estudados. As aulas abordam os aspectos teóricos da área bem como propõe implementações práticas para complementar o aprendizado.
Conteúdo Fusão de sensores e aplicação de teoria probabilística na solução de problemas: filtro de Bayes, filtro de Kalman, filtro de partículas e premissa de Markov - Navegação de robôs móveis. - Localização: Localização Global e Local. Métodos de Markov, Monte Carlo e Kalman - Mapeamento: métrico e topológico e 3D. - Mapeamento e localização simultâneos, SLAM, EKF – SLAM e Fast SLAM - Exploração de ambientes
Avaliação
Nota final = (Seminários 25% + Trabalhos 50% + Prova 25%)
Cronograma (tentativa)
8/5 – Apresentação + Revisão de Teoria Probabilística 15/5 (18/5) – Localização Markov + Monte Carlo 22/5 – Não haverá aula (CBSEC) 29/5 – Loc. Filtro de Kalman + Mapeamento 5/6 – Não haverá aula (IV) 12/6 – SLAM (Loc. e Map. Simultâneos) 19/6 – Planejamento – Proc. de Decisão de Markov 26/6 - Seminários 3/7 - Seminários
Material didático:
Arquivo:SSC5880-loc grid python.zip
Distribuição dos Seminários
Bibliografia
1) SEBASTIAN THRUN, WOLFRAM BURGARD, DIETER FOX (2005), Probabilistic Robotics, MIT Press, ISNB: 026220162-3, 667 páginas.
2) STUART RUSSELL, PETER NORVIG (2003),Artificial Intelligence: A Modern Approach, ISBN: 0137903952, 1132 páginas.
3) Artigos científicos da área
