การประมาณสถานะและการระบุตำแหน่งสำหรับยานยนต์ไร้คนขับ

เพื่อให้สามารถนำทางได้อย่างปลอดภัย ยานยนต์ไร้คนขับจะต้องทราบตำแหน่งที่แน่นอนของตนเองในโลกด้วยความแม่นยำระดับเซนติเมตร การทำความเข้าใจว่ารถยนต์ขับเคลื่อนอัตโนมัติประมวลผลข้อมูลเซ็นเซอร์ดิบเพื่อประมาณตำแหน่งและทิศทางอย่างไร ถือเป็นทักษะพื้นฐานสำหรับวิศวกรหุ่นยนต์รุ่นใหม่ทุกคน ในหลักสูตรแบบเน้นข้อความนี้ คุณจะเปลี่ยนผ่านจากการทำความเข้าใจแนวคิดทางฟิสิกส์พื้นฐานไปสู่การทำความเข้าใจคณิตศาสตร์และอัลกอริทึมหลักที่ขับเคลื่อนการระบุตำแหน่งของยานยนต์ไร้คนขับสมัยใหม่ คุณจะได้ศึกษาว่ายานพาหนะรวมข้อมูลจาก GNSS, หน่วยวัดความเฉื่อย (IMUs) และระบบวัดระยะทางจากล้อ (wheel odometry) เพื่อสร้างระบบการประมาณค่าที่มีความเสถียรและทำงานแบบเรียลไทม์ได้อย่างไร สิ่งที่คุณจะได้เรียนรู้: - ทำความเข้าใจจลนศาสตร์พื้นฐานและกรอบพิกัดที่ใช้ในการจำลองการเคลื่อนที่ของยานพาหนะ - ประยุกต์ใช้การประมาณค่ากำลังสองน้อยที่สุด (least squares estimation) และตัวกรองคาลแมนเพื่อประมวลผลการวัดจากเซ็นเซอร์ที่มีสัญญาณรบกวน - ดำเนินการเทคนิคการผสานเซ็นเซอร์ที่รวมข้อมูลจาก GNSS, IMU และ odometry - สำรวจรูปแบบการประมาณสถานะสมัยใหม่ รวมถึง Extended Kalman Filters (EKF) และรูปแบบสถานะข้อผิดพลาด (error-state formulations) - วิเคราะห์วิธีการประมาณค่าที่ทนทานและการคัด องศาผิดปกติออก เพื่อจัดการกับความผิดปกติของเซ็นเซอร์และสัญญาณขาดหาย หลักสูตรนี้เริ่มต้นด้วยแนวคิดพื้นฐานด้านจลนศาสตร์ ความน่าจะเป็น และระบบพิกัด ก่อนที่จะก้าวไปสู่การประมาณสถานะแบบวนซ้ำ (recursive state estimation), การกรองแบบคาลแมน และกลยุทธ์การผสานเซ็นเซอร์หลายตัวสมัยใหม่ หลักสูตรนี้ออกแบบมาสำหรับผู้เริ่มต้นที่สนใจในด้านหุ่นยนต์และระบบอัตโนมัติ โดยต้องมีความรู้พื้นฐานด้านพีชคณิตเชิงเส้นและความคุ้นเคยกับการเขียนโปรแกรมทั่วไปเท่านั้น ไม่จำเป็นต้องมีประสบการณ์เกี่ยวกับฮาร์ดแวร์รถยนต์ขับเคลื่อนอัตโนมัติมาก่อน เริ่มต้นเรียนรู้หัวใจสำคัญทางอัลกอริทึมของการระบุตำแหน่งยานยนต์ไร้คนขับได้แล้ววันนี้