Detail předmětu

Pokročilé metody mapování a sebelokalizace v robotice

FEKT-MPC-MAPAk. rok: 2023/2024

Předmět se věnuje problematice navigace v mobilní robotice s důrazem na sebelokalizaci a plánování. Studenti budou seznámeni s nezbytným aparátem v oblasti pravděpodobnosti a s algoritmy pro řízení pohybu mobilního robotu, lokalizaci pomocí částicového a Kalmánova filtru, plánování trajektorie a základními principy SLAM – Simultánní lokalizace a mapování. Jednotlivé algoritmy budou v rámci samostatných laboratorních cvičení implementovány a testovány v jednoduchém simulátoru v prostředí MATLAB. Na závěr předmětu studenti využijí tyto algoritmy k vypracování projektu řešící komplexní úkol zahrnující lokalizaci, plánování a řízení mobilního robotu.

Jazyk výuky

čeština

Počet kreditů

Garant předmětu

Ing. Petr Gábrlík, Ph.D.

Zajišťuje ústav

Ústav automatizace a měřicí techniky (UAMT)

Vstupní znalosti

Jsou požadovány znalosti na úrovni povinných předmětů bakalářského studia, využity budou zejména znalosti z oblasti maticového počtu, pravděpodobnosti a řízení a regulace. Je předpokládaná znalost prostředí MATLAB, ve kterém jsou realizována cvičení. Výhodou je obecný přehled o problémech týkající se robotiky, který může být získán v kurzech BPC-PRP a MPC-RBT. Student by měl disponovat takovými jazykovými znalostmi, aby porozuměl studijním materiálům i v anglickém jazyce. Práce v laboratoři je podmíněna platnou kvalifikací „osoby poučené“, kterou musí studenti získat před zahájením výuky. Informace k této kvalifikaci jsou uvedeny ve Směrnici děkana Seznámení studentů s bezpečnostními předpisy.

Pravidla hodnocení a ukončení předmětu

Pro klasifikovaný zápočet lze získat body v těchto kategoriích:
  • Hodnocení laboratoří: až 50 bodů získaných z laboratorních úkolů v průběhu semestru (bez minima). 
  • Projekt: až 50 bodů za závěrečný projekt odevzdaný po skončení přednášek (minimálně 20 bodů pro úspěšné ukončení). 

Přednášky jsou dobrovolné, avšak doporučené. Laboratorní výuka je povinná, splnění cvičení je podmíněno odevzdáním vypracovaného úkolu zadaného vyučujícím. Řádně omluvenou absenci lze po domluvě s vyučujícím nahradit.

Učební cíle

Seznámit studenty se současným stavem poznání v oblasti sebelokalizace, plánování trajektorie a mapování v mobilní robotice a naučit je stěžejní algoritmy implementovat a nasadit.
Absolvent předmětu porozumí hlavním problémům a výzvám v oblasti navigace a řízení pohybu v mobilní robotice. Na základě dostupných senzorů bude schopen sám identifikovat, jaký lokalizační algoritmus je pro danou úlohu vhodný a také jej implementovat a vyladit parametry. Obdobně si poradí s algoritmy pro plánování trajektorie a řízení pohybu, které bude schopen optimalizovat a modifikovat pro danou platformu a úlohu. Absolvent předmětu tak získá stěžejní znalosti pro návrh autonomního mobilního robotu.

Prerekvizity a korekvizity

Doporučená literatura

THRUN, Sebastian, Wolfram BURGARD a Dieter FOX, 2005. Probabilistic Robotics. 1st edition. Cambridge, Mass: The MIT Press. ISBN 978-0-262-20162-9. (EN)

Zařazení předmětu ve studijních plánech

  • Program MPC-KAM magisterský navazující 2 ročník, letní semestr, povinně volitelný

Typ (způsob) výuky

 

Přednáška

14 hod., nepovinná

Vyučující / Lektor

Ing. Tomáš Lázna, Ph.D.
Ing. Petr Gábrlík, Ph.D.
Ing. Adam Ligocki, Ph.D.

Osnova

1. Úvod do předmětu a základních pojmů.
2. Pravděpodobnost, model senzoru a mapování.
3. Řízení pohybu a kinematika.
4. Částicový filtr.
5. Kalmánův filtr.
6. Plánování trajektorie.
7. SLAM – Simultánní lokalizace a mapování.

Laboratorní cvičení

12 hod., povinná

Vyučující / Lektor

Ing. Tomáš Lázna, Ph.D.
Ing. Petr Gábrlík, Ph.D.

Osnova

1. –
2. Model senzoru.
3. Řízení pohybu.
4. Částicový filtr.
5. Kalmánův filtr.
6. Plánování trajektorie.
7. Samostatná práce na projektu.