SLAM Foundations: Cách Robot Lập Bản Đồ Thế Giới và Định Vị Bản Thân

Robot và xe tự hành cần biết chúng đang ở đâu và có những gì xung quanh, thường là không có bản đồ môi trường nào trước đó. Giải quyết vấn đề "con gà và quả trứng" này là cốt lõi của SLAM, Simultaneous Localization and Mapping. Khóa học này mang đến cho bạn một giới thiệu bình tĩnh, có cấu trúc về lĩnh vực này để bạn có thể đọc các bài báo về SLAM, đánh giá các ngăn xếp và suy luận về hành vi của chúng. Bạn sẽ tìm hiểu SLAM làm gì, những gì nó không thể làm, và làm thế nào các cảm biến và thuật toán khác nhau đưa ra các đánh đổi khác nhau. Khóa học bám sát các khái niệm được sử dụng rộng rãi và chỉ ra những tiến bộ hiện đại đang định hình lĩnh vực này. Bạn sẽ học được gì: - Hiểu bài toán SLAM và tại sao nó về cơ bản là một thách thức ước lượng kết hợp - Nhận biết các phương thức cảm biến chính được sử dụng trong SLAM bao gồm LiDAR, máy ảnh, cảm biến độ sâu và bộ phận quán tính - Khám phá các họ thuật toán chính bao gồm các phương pháp lọc và tối ưu hóa dựa trên đồ thị hiện đại - Đọc cách phát hiện vòng lặp biến đổi các ước lượng trôi dạt thành bản đồ nhất quán toàn cục - Xác định giới hạn của SLAM bao gồm thay đổi môi trường, lỗi cảm biến và các cảnh không rõ ràng - Hiểu các điểm tích hợp giữa SLAM, lập kế hoạch chuyển động và hành vi robot cấp cao hơn Khóa học bắt đầu với chính bài toán SLAM, chuyển sang các cảm biến và thuật toán, và kết thúc với các thực tế vận hành của việc chạy SLAM trên robot thực tế. Các bài tập viết giúp bạn kết nối mỗi khái niệm với một robot, môi trường hoặc trường hợp sử dụng cụ thể. Khóa học này được thiết kế cho những người mới bắt đầu hoàn toàn không có nền tảng về robot hoặc SLAM, bao gồm sinh viên khoa học máy tính, nhà phát triển phần mềm khám phá robot và kỹ sư tham gia vào công việc hệ thống tự hành. Không cần điều kiện tiên quyết nào ngoài sự thoải mái chung với toán học. Khóa học giải thích mọi khái niệm khi nó xuất hiện và tập trung vào sự hiểu biết thay vì triển khai.