Systèmes Intelligents Distribués: Filtres Kalman et Flocing

Dans cours

Description

Cette séance de cours couvre l'application des filtres Kalman dans la localisation des robots, la fusion des données sensorielles et les mouvements collectifs. Il explique l'algorithme du filtre Kalman, l'estimation du modèle de mouvement et la fusion de la prédiction du modèle de mouvement avec de nouvelles mesures. De plus, il se transforme en incertitudes non déterministes dans l'odométrie basée sur les roues et les défis de faire face aux obstacles dans les comportements de regroupement. La séance de cours explore également le concept d'affluence dans les sociétés animales, en mettant l'accent sur l'algorithme Boids de Reynolds pour simuler les mouvements collectifs. Différents exemples et algorithmes sont discutés, soulignant l'importance du contrôle décentralisé et de la matrice laplacienne pour résoudre le problème de rendez-vous.

Connectez-vous pour regarder la vidéo

Source officielle

https://mediaspace.epfl.ch/media/0_ooz2xl0i

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Séances de cours associées (37)

Concepts associés (36)

Filtre de Kalman

vignette| Concept de base du filtre de Kalman. En statistique et en théorie du contrôle, le filtre de Kalman est un filtre à réponse impulsionnelle infinie qui estime les états d'un système dynamique à partir d'une série de mesures incomplètes ou bruitées. Le filtre a été nommé d'après le mathématicien et informaticien américain d'origine hongroise Rudolf Kálmán. Le filtre de Kalman est utilisé dans une large gamme de domaines technologiques (radar, vision électronique, communication...).

Robotic mapping

Robotic mapping is a discipline related to computer vision and cartography. The goal for an autonomous robot is to be able to construct (or use) a map (outdoor use) or floor plan (indoor use) and to localize itself and its recharging bases or beacons in it. Robotic mapping is that branch which deals with the study and application of ability to localize itself in a map / plan and sometimes to construct the map or floor plan by the autonomous robot. Evolutionarily shaped blind action may suffice to keep some animals alive.

Agrégation (comportement)

vignette|Une nuée d'étourneaux sansonnets en Cumbria en février 2006. Une agrégation désigne un regroupement plus ou moins temporaire d'animaux grégaires. Lorsque ce regroupement a tendance à devenir permanent et développe de nombreuses relations sociales, il s'agit d'une société animale. Quand l'agrégation concerne des oiseaux, l'éthologie comportementale parle de nuée, voire de ronde ; certains phénomènes impressionnants de vols de nombreux oiseaux qui décrivent des figures dans le ciel sont appelés murmuration (anglicisme).

Intelligence distribuée

L'intelligence distribuée, appelée aussi intelligence en essaim, désigne l'apparition de phénomènes cohérents à l'échelle d'une population dont les individus agissent selon des règles simples. L'interaction ou la synergie entre actions individuelles simples peut de façons variées permettre l'émergence de formes, organisations, ou comportements collectifs, complexes ou cohérents, tandis que les individus eux se comportent à leur échelle indépendamment de toute règle globale.

Robotique en essaim

La robotique en essaim est une branche de la robotique appliquant les méthodes d'intelligence distribuée aux systèmes à plusieurs robots. Il s'agit généralement d'utiliser des robots simples, voire simplistes, et peu coûteux, d'un intérêt individuel assez limité, mais qui ensemble (par exemple via des capacités d'autoassemblage ou d'auto-organisation) forment un système complexe et robuste. La robotique en essaim cherche à étudier la conception et le comportement des robots.