SSC-5880(Denis)

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 = Seminário * 0.4 + Trabalhos * 0.6

Cronograma (tentativa)

 7/5 – Apresentação + Revisão de Teoria Probabilística
14/5 – Localização Markov + Monte Carlo
22/5 – Localização EKF + Mapeamento
28/5 – SLAM (Loc. e Map. Simultâneos)
 4/6 – SLAM II
11/6 – Planejamento (PDM) + Seminários
18/6 – Seminários
25/6 – IEEE IV (Não haverá aula)

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

Material Didático:

Arquivo:SSC5880 - Aula 1 Intro.pdf

Arquivo:SSC5880 - Aula 2 Localização em Grid.pdf

Arquivo:SSC5880 - Aula 2 Localização de Monte Carlo.pdf

Arquivo:Localização em Grid.txt

Arquivo:SSC5880 - Trabalho 1.pdf

Arquivo:SSC5880 - Aula 3 Localização com Filtro de Kalman.pdf

Arquivo:SSC5880 - Aula 3 Mapeamento.pdf