Robot Motion Planning

Worum geht's

Du lernst Methoden zur Planung von Roboterbewegungen in unterschiedlichen Informationslagen kennen: von Planungsverfahren mit vollständiger Umgebungskenntnis über lokale, teilbekannte Umgebungen bis hin zu probabilistischen Sampling-Verfahren für hochdimensionale Räume. Außerdem lernst Du Datenfusions- und Filterverfahren (Kalman-Filter, Partikelfilter) kennen, mit denen Karten erstellt und Simultaneous Localization and Mapping (SLAM) umgesetzt werden, sodass Du kollisionsfreie Trajektorien planen kannst.

Was du danach kannst

• Verständnis direkter Planungsmethoden für niedrigdimensionale Probleme
• Anwendung probabilistischer Planungsansätze für hochdimensionale Räume
• Entwurf von Planungssystemen auf Basis a-priori Informationen und Sensordaten
• Aufbau von Karten und SLAM mittels Kalman-Filter und Partikelfiltern
• Planung effizienter, kollisionsfreier Trajektorien unter Unsicherheit

Aus was das Modul besteht

• VorlesungVermittelt die theoretischen Grundlagen zu Planung und Datenfusion
• Übung/TutorialVertieftes, selbstständiges Lösen von Aufgaben; Lösungen werden im Übungsbetrieb präsentiert
• Gastvorträge/AnwendungsbeispieleZeigen praktische Beispiele und Industrie-Perspektiven zu den Vorlesungsthemen

Lehrmethode

• VorlesungEinführung in die Inhalte und Konzepte
• Interaktive DiskussionVertiefung und Klärung offener Fragen
• Aufgezeichnete Vorlesungen (Self-Study)Ermöglichen selbstständiges Nacharbeiten und Wiederholen
• Tutorials zur SelbstbearbeitungFördern eigenständiges Anwenden des Stoffes; Vorbereitung auf Präsentationen in den Übungen