Mudanças entre as edições de "SSC-5880(Denis)(2)"
(→SSC-5880 Algoritmos de Estimação para Robótica Móvel) |
(→SSC-5880 Algoritmos de Estimação para Robótica Móvel) |
||
| Linha 38: | Linha 38: | ||
[[Arquivo:SSC5880-aula2c.pdf]] | [[Arquivo:SSC5880-aula2c.pdf]] | ||
| − | Seminário 1: [http://robots.stanford.edu/papers/fox.markovloc-jair.ps.gz] | + | Seminário 1 (27/5 Diogo): [http://robots.stanford.edu/papers/fox.markovloc-jair.ps.gz] |
| − | Seminário 2: [http://robots.stanford.edu/papers/thrun.stanley05.pdf] | + | Seminário 2: (3/6 Diego) [http://robots.stanford.edu/papers/thrun.stanley05.pdf] |
| − | Seminário 3: [http://www.informatik.uni-freiburg.de/~burgard/postscripts/haehnel-populated.pdf] | + | Seminário 3: (10/6 ) [http://www.informatik.uni-freiburg.de/~burgard/postscripts/haehnel-populated.pdf] |
'''Bibliografia''' | '''Bibliografia''' | ||
Edição das 16h49min de 27 de maio de 2011
SSC-5880 Algoritmos de Estimação para Robótica Móvel
Prof. Denis F. Wolf
Horário: sexta-feira das 14:00 às 17:00
Sala: 3-102
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 + Projeto + Prova)/3
Cronograma (tentativa)
13/5 - Introdução / Rev. de Probabilidades / Filtro de Bayes 20/5 - Localização de Markov (Grid, Filtro de Kalman, Monte Carlo) 27/5 - Mapeamento + Seminário 3/6 - SLAM + Seminário 17/6 - Planejamento probabilístico + Seminário 24/6 - Prova + Seminário 1/7 - Apresentação dos projetos
Material didático:
Seminário 1 (27/5 Diogo): [1]
Seminário 2: (3/6 Diego) [2]
Seminário 3: (10/6 ) [3]
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
