Курс на Stepik
Обложка курса «Искусственный интеллект для роботов. Локализация.» на Stepik
Бесплатно

Искусственный интеллект для роботов. Локализация. ★ 4.000

Открыть на
STEPIK.ORG

Основы программирования автономных транспортных средств и мобильных роботов. Если вы хотите окунуться в мир робототехники и искусственного интеллекта, понять, как всё работает "изнутри" - этот курс для вас!

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Искусственный интеллект для роботов. Локализация.»Учеников на курсе 1 084
Сертификаты, выданные на курсе «Искусственный интеллект для роботов. Локализация.»Сертификатов выдано 0
Отзывы о курсе «Искусственный интеллект для роботов. Локализация.»Отзывов получено 2
Рейтинг курса «Искусственный интеллект для роботов. Локализация.»Рейтинг курса 4.000
Уроки в курсе «Искусственный интеллект для роботов. Локализация.»Количество уроков 20
Тесты в курсе «Искусственный интеллект для роботов. Локализация.»Количество квизов 53
Задачи с кодом в курсе «Искусственный интеллект для роботов. Локализация.»Количество задач с кодом 27
Время прохождения курса «Искусственный интеллект для роботов. Локализация.»Время прохождения курса —
Обновления курса «Искусственный интеллект для роботов. Локализация.»Обновления курса — —
Дата публикации курса «Искусственный интеллект для роботов. Локализация.»Дата публикации курса — ———
Последнее обновление курса «Искусственный интеллект для роботов. Локализация.»Последнее обновление — ———

Чему вы научитесь

Это первый из серии курсов, посвящённой основам программирования автономных транспортных средств и мобильных роботов, таких например, как беспилотный автомобиль компании Яндекс. В этой серии курсов вы познакомитесь с основными технологиями искусственного интеллекта, применяющимися в робототехнике.

Этот курс посвящён решению задачи локализации робота в пространстве. В нём рассмотрены такие вероятностные методы решения этой задачи как метод Монте-Карло, фильтр Калмана и фильтр частиц.

Курс построен по модели "обучение в процессе" (learn as you go). Это означает, что мы предлагаем учащимся освоить материал на примере практических заданий. Вся необходимая теория будет представлена в упрощённом виде, достаточном для понимания основ и выполнения заданий.

Для реализации представленных в курсе алгоритмов используется язык Python. Продвинутых навыков владения этим языком вам не потребуется, но если вы совсем не знакомы с Python – мы рекомендуем вам пройти ознакомительный курс.

Серия курсов основана на открытом курсе лекций Artificial Intelligence for Robotics созданного Себастьяном Труном и его командой, а также на книге Probabilistic Robotics. Команда Труна была победителем соревнований автономных роботов-автомобилей DARPA Grand Challenge в 2005 году. В ходе этого соревнования требовалось создать автономный автомобиль, который самостоятельно преодолел бы путь длиной в 210 км по пустыне Мохаве. Автомобиль команды Стэнфордского университета (которой руководил Трун) преодолел заданный маршрут за семь часов.

В серии курсов будут рассмотрены основные технологии и алгоритмы, необходимые для создания подобного мобильного робота.

Первый курс посвящён решению задачи локализации робота в пространстве. В последующих курсах будут рассмотрены задачи навигации, управления и планирования пути, а также построения карты окружающего пространства.

В дальнейшем планируется создать отдельные курсы для углублённого изучения каждого из этих вопросов и моделирования работы мобильного робота в среде ROS (Robot Operation System) при помощи симулятора Gazebo.

Посмотрите небольшое видео от WorldSkills, в котором Николай Иванов расскажет что такое мобильная робототехника, и как она может повлиять на вашу жизнь :)

О курсе

Основы программирования автономных транспортных средств и мобильных роботов. Если вы хотите окунуться в мир робототехники и искусственного интеллекта, понять, как всё работает "изнутри" - этот курс для вас!

Преподаватели курса

Нагрузка

6 часов в неделю на 1 месяц

Расскажите о курсе друзьям