Dasar-dasar SLAM: Bagaimana Robot Memetakan Dunia dan Menemukan Diri Mereka Sendiri Di Dalamnya

Robot dan kendaraan otonom perlu tahu di mana mereka berada dan apa yang ada di sekitar mereka, seringkali tanpa peta lingkungan sebelumnya. Memecahkan masalah ayam dan telur itulah inti dari SLAM, Simultaneous Localization and Mapping. Kursus ini memberi Anda pengantar yang tenang dan terstruktur ke bidang ini sehingga Anda dapat membaca makalah SLAM, mengevaluasi tumpukan, dan bernalar tentang perilaku mereka. Anda akan mempelajari apa yang dilakukan SLAM, apa yang tidak dapat dilakukannya, dan bagaimana sensor dan algoritma yang berbeda membuat tradeoff yang berbeda. Kursus ini tetap berakar pada konsep yang banyak digunakan dan menunjuk ke kemajuan modern yang membentuk kembali bidang ini. Apa yang akan Anda pelajari: - Pahami masalah SLAM dan mengapa itu pada dasarnya adalah tantangan estimasi gabungan - Kenali modalitas sensor utama yang digunakan dalam SLAM termasuk LiDAR, kamera, sensor kedalaman, dan unit inersia - Jelajahi keluarga algoritma utama termasuk pendekatan penyaringan dan optimasi berbasis grafik modern - Baca bagaimana deteksi penutupan loop mengubah perkiraan yang melayang menjadi peta yang konsisten secara global - Identifikasi batas-batas SLAM termasuk perubahan lingkungan, kegagalan sensor, dan adegan ambigu - Pahami titik integrasi antara SLAM, perencanaan gerak, dan perilaku robot tingkat yang lebih tinggi Kursus dimulai dengan masalah SLAM itu sendiri, bergerak melalui sensor dan algoritma, dan ditutup dengan realitas operasional menjalankan SLAM pada robot sungguhan. Latihan tertulis membantu Anda menghubungkan setiap konsep dengan robot, lingkungan, atau kasus penggunaan tertentu. Kursus ini dirancang untuk pemula mutlak tanpa latar belakang robotika atau SLAM, termasuk mahasiswa ilmu komputer, pengembang perangkat lunak yang menjelajahi robotika, dan insinyur yang memasuki pekerjaan sistem otonom. Tidak ada prasyarat yang diperlukan selain kenyamanan umum dengan matematika. Kursus ini menjelaskan setiap konsep saat muncul dan tetap fokus pada pemahaman daripada implementasi.