Concept
Robotic mapping
Séances de cours associées (30)
Modèles de mélange gaussien : applications dans les systèmes de recommandationMOOC: Introduction to optimization on smooth manifolds: first order methods
Explore les applications des modèles de mélange gaussien dans les systèmes de recommandation et les scénarios du monde réel comme le robot Roomba.
Systèmes Intelligents Distribués: Filtres Kalman et Flocing
Explore les filtres Kalman, les comportements de regroupement et le contrôle décentralisé dans les systèmes intelligents distribués.
Localisation des robots : systèmes de positionnement et odométrie
Explore la localisation des robots grâce à des systèmes de positionnement, à l'odométrie, à la fusion des capteurs et à la modélisation des erreurs.
Contrôle conforme pour les robots : Impédance et rigidité variable
Explore le contrôle conforme pour les robots par impédance et rigidité variable, permettant des interactions sûres et adaptatives avec l'environnement.
Les bases de la robotique mobile : incertitudes
Explore les bases de la robotique mobile, en mettant l'accent sur les incertitudes et l'algorithme de filtrage de Bayes.
Navigation globale : Planification de parcours
Couvre la navigation globale, les algorithmes de planification des chemins, la décomposition des cellules, les méthodes de champs potentiels et l'optimisation des chemins basée sur la stigmergie.
Erreurs d'observation et combinaisons de fréquences
Explore les erreurs d'observation, les combinaisons de fréquences et les budgets d'erreurs GPS pour un positionnement précis des satellites.
Contrôle de la force avec systèmes dynamiques
Couvre la conformité et le contrôle de la force pour les robots utilisant Dynamical Systems.
Bâtiment de carte active : Exploration
Explore les bases de la localisation et de la cartographie simultanées (SLAM), en se concentrant sur les techniques de création de cartes et la prédiction des mesures.
Réseaux neuronaux : logique et applications
Explore la logique de la fonction neuronale, le modèle Perceptron, les applications d'apprentissage profond et les niveaux d'abstraction dans les modèles neuronaux.