Fondamenti di SLAM: Come i Robot Mappano il Mondo e Trovano il Loro Posto

I robot e i veicoli autonomi devono sapere dove si trovano e cosa li circonda, spesso senza una mappa preesistente dell'ambiente. Risolvere questo problema dell'uovo e della gallina è il cuore dello SLAM, Simultaneous Localization and Mapping. Questo corso ti offre un'introduzione calma e strutturata al campo in modo che tu possa leggere articoli su SLAM, valutare stack e ragionare sul loro comportamento. Imparerai cosa fa lo SLAM, cosa non può fare e come diversi sensori e algoritmi introducono diversi compromessi. Il corso rimane ancorato a concetti ampiamente utilizzati e indica i progressi moderni che stanno ridisegnando il campo. Cosa imparerai: - Comprendere il problema SLAM e perché è fondamentalmente una sfida di stima congiunta - Riconoscere le principali modalità sensoriali utilizzate nello SLAM, tra cui LiDAR, telecamere, sensori di profondità e unità inerziali - Esplorare le principali famiglie di algoritmi, inclusi approcci di filtraggio e l'ottimizzazione moderna basata su grafi - Leggere come il rilevamento di loop closure trasforma stime imprecise in mappe globalmente coerenti - Identificare i limiti dello SLAM, inclusi cambiamenti ambientali, guasti dei sensori e scene ambigue - Comprendere i punti di integrazione tra SLAM, pianificazione del movimento e comportamento robotico di livello superiore Il corso inizia con il problema SLAM stesso, passa attraverso sensori e algoritmi, e si conclude con le realtà operative dell'esecuzione dello SLAM su robot reali. Esercizi scritti ti aiutano a collegare ogni concetto a un robot specifico, ambiente o caso d'uso. Questo corso è progettato per principianti assoluti senza background in robotica o SLAM, inclusi studenti di informatica, sviluppatori software che esplorano la robotica e ingegneri che entrano nel lavoro sui sistemi autonomi. Non sono necessari prerequisiti oltre una generale familiarità con la matematica. Il corso spiega ogni concetto man mano che appare e si concentra sulla comprensione piuttosto che sull'implementazione.