Intelligent Robots with a Sense of Smell

Worum geht's

Du lernst, wie mobile Roboter mit Gas-Sensorik eingesetzt werden können, z. B. zur Erfassung von Luftschadstoffen, zur Kartierung von Gasverteilungen und zur Lokalisierung von Emissionsquellen. Am Ende kannst du Gas-Sensordaten von mobilen Plattformen auslesen, Gasverteilungen abschätzen und Quellen lokalisieren sowie typische physikalische, schaltungs- und algorithmische Herausforderungen beurteilen.

Was du danach kannst

Anwendungsbereiche gas-sensitiver Roboter erkennen
Herausforderungen in Sensorik, Physik, Schätzung und Sensorplanung verstehen
Verschiedene Gas-Sensorprinzipien kennen
Gasverteilungen schätzen
Gasquellen lokalisieren
Messdaten von mobilen Robotern auslesen und verarbeiten

Aus was das Modul besteht

VorlesungVermittelt Grundlagen zu Gas-Sensorik, Anwendungen, physikalischen Modellen und Algorithmen; erste Wochen rein theoretisch
Übungen/Praktische EinheitenVertiefen Konzepte in praktischen Experimenten und Programmieraufgaben mit realer Hardware; finden ab den ersten Wochen alle zwei Wochen an einem Nachmittag statt

Lehrmethode

Vorlesung (Präsentation von Forschung und Feldbeispielen)Erklärt fundamentale Herausforderungen und Lösungsansätze sowie reale Anwendungen
Begleitende Übungen mit praktischen Experimenten und ProgrammierungVermitteln praktische Fähigkeiten zum Einsatz und zur Auswertung von Sensoren sowie zur Implementierung von Algorithmen

Solltest du schon können

Kurs ist in sich geschlossen; Kenntnisse in Robotik, linearer Algebra, Signalverarbeitung oder Machine Learning sind nützlichempfohlen
Programmierung in Python (für die praktischen Übungen)empfohlen

Prüfung

KlausurMündliche PrüfungÜbungsberichte

Prüfungsform ist entweder eine schriftliche Klausur (90 Minuten) oder eine mündliche Prüfung (30 Minuten), abhängig von der Teilnehmerzahl. Zusätzlich musst du benotete Berichte für mindestens 70% der Übungsaufgaben abliefern. Die Abschlussnote setzt sich zusammen aus Prüfung (60 %) und Übungsberichten (40 %). Für die schriftliche Klausur ist ein doppelseitiges A4-Blatt als Hilfsmittel erlaubt.

Literatur

Apte et al. - High-Resolution Air Pollution Mapping with Google Street View Cars: Exploiting Big Data
Hernandez Bennetts et al. - Mobile Robots for Localizing Gas Emission Sources on Landfill Sites: Is BioInspiration the Way to go?
Trincavelli - Gas Discrimination for Mobile Robots
Vergara et al. - On the Performance of Gas Sensor Arrays in Open Sampling Systems Using Inhibitory Support Vector Machines
Analysis of Discrimination Mechanisms in the Mammalian Olfactory System using a Model Nose - Nature
Electronic Nose: Current Status and Future Trends - Chem. Rev.
Higher-Order Chemical Sensing - A. Hierlemann and R. Gutierrez-Osuna - Chem. Rev.
Odour Detection by Mobile Robots - World Scientific Publishing Company
Lilienthal et al. - A Statistical Approach to Gas Distribution Modelling with Mobile Robots – The Kernel DM+V Algorithm
Burgués et al. - Gas Distribution Mapping and Source Localization Using a 3D Grid of Metal Oxide Semiconductor Sensors
Robot Odor Localization: A Taxonomy and Survey - Int. Journal of Robotics Research
Ishida et al. - Remote Sensing of Gas/Odor Source Location and Concentration Distribution Using Mobile System
Arain et al. - Sniffing out fugitive methane emissions: autonomous remote gas inspection with a mobile robot
Schmuker et al. - Exploiting Plume Structure to Decode Gas Source Distance Using Metal-Oxide Gas Sensors
Wiedemann et al. - Model-based Gas Source Localization Strategy for a Cooperative Multi-Robot System

Filter

Intelligent Robots with a Sense of Smell

Worum geht's

Was du danach kannst

Aus was das Modul besteht

Lehrmethode

Termine

VorlesungIntelligent Robots with a Sense of Smell (CIT433039)

ÜbungExercises for Intelligent Robots with a Sense of Smell (CIT433039)

Modulbewertungen

Modul bewerten