SLAMの基礎：ロボットは世界をどのようにマッピングし、その中で自身の位置を把握するか

ロボットや自動運転車は、しばしば環境の事前地図なしで、自身の位置と周囲の状況を把握する必要があります。この「鶏が先か、卵が先か」という問題を解決することが、同時自己位置推定と地図作成（SLAM）の中心です。このコースでは、SLAMの論文を読んだり、スタックを評価したり、その動作について考察したりできるように、穏やかで構造化された入門を提供します。 SLAMができること、できないこと、そしてさまざまなセンサーやアルゴリズムがどのように異なるトレードオフを生み出すかを学びます。コースは広く使われている概念に基づき、この分野を再形成している最新の進歩に焦点を当てます。 学習内容： - SLAMの問題と、それが根本的に共同推定の課題である理由を理解する - LiDAR、カメラ、深度センサー、慣性ユニットを含む、SLAMで使用される主要なセンサーモダリティを認識する - フィルタリングアプローチや最新のグラフベース最適化を含む、主要なアルゴリズムファミリーを探求する - ループクロージャ検出が、ドリフトする推定値をグローバルに一貫した地図にどのように変換するかを読む - 環境の変化、センサーの故障、曖昧なシーンなど、SLAMの限界を特定する - SLAM、モーションプランニング、および高レベルのロボット動作間の統合ポイントを理解する コースは、SLAMの問題そのものから始まり、センサーとアルゴリズムを経て、実際のロボットでSLAMを実行する運用上の現実で締めくくられます。演習問題は、各概念を特定のロボット、環境、またはユースケースに結び付けるのに役立ちます。 このコースは、ロボット工学やSLAMの背景知識がない絶対的な初心者、コンピュータサイエンスの学生、ロボット工学を探求するソフトウェア開発者、自動システム業務に参入するエンジニアを対象としています。数学に一般的な快適さがある以外に前提条件は必要ありません。コースは、登場するすべての概念を説明し、実装ではなく理解に焦点を当てています。