SLAM-Grundlagen: Wie Roboter die Welt kartieren und sich selbst darin finden

Roboter und autonome Fahrzeuge müssen wissen, wo sie sich befinden und was um sie herum ist, oft ohne eine vorherige Karte der Umgebung. Die Lösung dieses Henne-Ei-Problems ist das Herzstück von SLAM, Simultaneous Localization and Mapping. Dieser Kurs bietet eine ruhige, strukturierte Einführung in das Feld, damit Sie SLAM-Artikel lesen, Stacks bewerten und deren Verhalten nachvollziehen können. Sie lernen, was SLAM leistet, was es nicht leisten kann und wie verschiedene Sensoren und Algorithmen unterschiedliche Kompromisse eingehen. Der Kurs bleibt bei weit verbreiteten Konzepten und weist auf die modernen Fortschritte hin, die das Feld neu gestalten. Was Sie lernen werden: - Verstehen des SLAM-Problems und warum es sich grundlegend um eine gemeinsame Schätzaufgabe handelt - Erkennen der wichtigsten Sensormodalitäten, die in SLAM verwendet werden, einschließlich LiDAR, Kameras, Tiefensensoren und Inertialeinheiten - Erkunden der wichtigsten Algorithmusfamilien, einschließlich Filteransätzen und moderner graphenbasierter Optimierung - Lesen, wie Loop Closure Detection driftende Schätzungen in global konsistente Karten verwandelt - Identifizieren der Grenzen von SLAM, einschließlich Umgebungsänderungen, Sensorfehlern und mehrdeutigen Szenen - Verstehen der Integrationspunkte zwischen SLAM, Bewegungsplanung und übergeordnetem Roboterverhalten Der Kurs beginnt mit dem SLAM-Problem selbst, geht über Sensoren und Algorithmen und schließt mit den operativen Realitäten des Betriebs von SLAM auf echten Robotern. Schriftliche Übungen helfen Ihnen, jedes Konzept mit einem bestimmten Roboter, einer Umgebung oder einem Anwendungsfall zu verbinden. Dieser Kurs richtet sich an absolute Anfänger ohne Vorkenntnisse in Robotik oder SLAM, einschließlich Informatikstudenten, Softwareentwickler, die sich für Robotik interessieren, und Ingenieure, die im Bereich autonomer Systeme tätig sind. Es sind keine Vorkenntnisse erforderlich, außer einer allgemeinen Vertrautheit mit Mathematik. Der Kurs erklärt jedes Konzept, sobald es auftritt, und konzentriert sich auf das Verständnis und nicht auf die Implementierung.