Fundamentos de SLAM: Como Robôs Mapeiam o Mundo e se Encontram Nele

Robôs e veículos autônomos precisam saber onde estão e o que está ao redor deles, muitas vezes sem nenhum mapa prévio do ambiente. Resolver esse problema de ovo ou galinha é o cerne do SLAM, Localização e Mapeamento Simultâneos. Este curso oferece uma introdução calma e estruturada ao campo para que você possa ler artigos sobre SLAM, avaliar pilhas de tecnologia e raciocinar sobre seu comportamento. Você aprenderá o que o SLAM faz, o que ele não pode fazer e como diferentes sensores e algoritmos fazem diferentes concessões. O curso se mantém fundamentado em conceitos amplamente utilizados e aponta para os avanços modernos que estão remodelando o campo. O que você aprenderá: - Entender o problema do SLAM e por que ele é fundamentalmente um desafio de estimação conjunta - Reconhecer as principais modalidades de sensores usadas em SLAM, incluindo LiDAR, câmeras, sensores de profundidade e unidades inerciais - Explorar as principais famílias de algoritmos, incluindo abordagens de filtragem e otimização moderna baseada em grafos - Ler como a detecção de fechamento de loop transforma estimativas com desvio em mapas globalmente consistentes - Identificar os limites do SLAM, incluindo mudanças de ambiente, falhas de sensores e cenas ambíguas - Entender os pontos de integração entre SLAM, planejamento de movimento e comportamento de robô de nível superior O curso começa com o próprio problema do SLAM, passa por sensores e algoritmos, e termina com as realidades operacionais de executar SLAM em robôs reais. Exercícios escritos ajudam você a conectar cada conceito a um robô específico, ambiente ou caso de uso. Este curso é projetado para iniciantes absolutos sem experiência em robótica ou SLAM, incluindo estudantes de ciência da computação, desenvolvedores de software explorando robótica e engenheiros que entram no trabalho com sistemas autônomos. Nenhum pré-requisito é necessário além de conforto geral com matemática. O curso explica cada conceito à medida que aparece e se concentra na compreensão em vez da implementação.