Detail předmětu

Pokročilé metody mapování a sebelokalizace v robotice

FEKT-MPC-MAPAk. rok: 2024/2025

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

3

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-RBM, 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. Účast na laboratorní výuce je povinná a nutná pro získání zápočtu, splnění cvičení je podmíněno odevzdáním vypracovaného úkolu zadaného vyučujícím. Řádně omluvenou absenci lze po domluvě s vyučujícím nahradit.

Učební cíle

Cílem kurzu je představit studentům hlavní problémy a výzvy v oblasti navigace mobilních robotů a seznámit je s klíčovými algoritmy pro sebelokalizaci, plánování tras a řízení robotu, které se rovněž naučí implementovat a optimalizovat. Absolvent kurzu dokáže na základě cílové aplikace a dostupných senzorů zvolit vhodný lokalizační algoritmus, implementovat jej a přizpůsobit jeho parametry. Podobně zvládne pracovat s algoritmy pro plánování trajektorie a řízení pohybu, které dokáže optimalizovat a upravit pro specifickou platformu a úlohu. Absolvent si tak osvojí klíčové znalosti nezbytné pro návrh autonomního mobilního robota.

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)

Elearning

eLearning: aktuální otevřený kurz

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.

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 a EKF.
6. Plánování tras.
7. SLAM – Simultánní lokalizace a mapování.

Laboratorní cvičení

14 hod., povinná

Vyučující / Lektor

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

Osnova

1. Úvod do problémů navigace.
2. Nejistoty a pravděpodobnost.
3. Řízení pohybu.
4. Částicový filtr.
5. Kalmánův filtr a EKF.
6. Plánování trasy.
7. Samostatná práce na projektu.

Elearning

eLearning: aktuální otevřený kurz