Wie können Roboter ihren Zustand und die Eigenschaften der Umgebung aus verrauschten Sensormessungen in der Zeit bestimmen? In diesem Modul lernen Sie, wie Roboter dazu gebracht werden können, Unsicherheiten in ihre Schätzungen einzubeziehen und aus einer dynamischen und sich verändernden Welt zu lernen. Zu den spezifischen Themen, die behandelt werden, gehören probabilistische generative Modelle, Bayes'sches Filtern für Lokalisierung und Kartierung.
Robotik: Schätzen und Lernen
Dieser Kurs ist Teil von Spezialisierung Robotik
Unterrichtet auf Englisch
Einige Inhalte können nicht übersetzt werden
Dozent: Daniel Lee
32.370 bereits angemeldet
Bei enthalten
Kurs
(502 Bewertungen)
Kompetenzen, die Sie erwerben
- Kategorie: Partikelfilter
- Kategorie: Schätzung
- Kategorie: Kartierung
Wichtige Details
Zu Ihrem LinkedIn-Profil hinzufügen
1 Aufgabe
Kurs
(502 Bewertungen)
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.
Erweitern Sie Ihre Fachkenntnisse
- Lernen Sie neue Konzepte von Branchenexperten
- Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
- Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
- Erwerben Sie ein Berufszertifikat zur Vorlage
Erwerben Sie ein Karrierezertifikat.
Fügen Sie diese Qualifikation zur Ihrem LinkedIn-Profil oder Ihrem Lebenslauf hinzu.
Teilen Sie es in den sozialen Medien und in Ihrer Leistungsbeurteilung.
In diesem Kurs gibt es 4 Module
Wir werden die Gauß-Verteilung für die parametrische Modellierung in der Robotik kennenlernen. Die Gauß-Verteilung ist die am weitesten verbreitete kontinuierliche Verteilung und bietet eine nützliche Möglichkeit, Unsicherheiten abzuschätzen und Vorhersagen in der Welt zu treffen. Wir werden zunächst die eindimensionale Gauß-Verteilung besprechen und dann zur multivariaten Gauß-Verteilung übergehen. Schließlich werden wir das Konzept auf Modelle ausweiten, die Gauß-Mischungen verwenden.
Das ist alles enthalten
9 Videos4 Lektüren1 Aufgabe1 Programmieraufgabe
Wir lernen die Gaußsche Verteilung zur Verfolgung eines dynamischen Systems kennen. Wir beginnen mit einer Diskussion über dynamische Systeme und ihre Auswirkungen auf Wahrscheinlichkeitsverteilungen. Dieses lineare Kalman-Filtersystem wird im Detail beschrieben und darüber hinaus werden nicht-lineare Filtersysteme erforscht.
Das ist alles enthalten
5 Videos1 Programmieraufgabe
Wir werden etwas über die Roboterkartierung lernen. Konkret geht es in dieser Woche darum, einen Mapping-Algorithmus namens Occupancy Grid Mapping zu verstehen, der auf Entfernungsmessungen basiert. Später in der Woche werden wir auch die 3D-Kartierung einführen.
Das ist alles enthalten
6 Videos1 Programmieraufgabe
Wir werden etwas über die Lokalisierung von Robotern lernen. Konkret geht es in dieser Woche darum, zu verstehen, wie Entfernungsmessungen in Verbindung mit Kilometerstandmessungen einen Roboter auf einer Karte platzieren können. Später in dieser Woche werden wir auch die 3D-Lokalisierung einführen.
Das ist alles enthalten
6 Videos1 Lektüre1 Programmieraufgabe
Dozent
Empfohlen, wenn Sie sich für Maschinenwesen interessieren
Coursera Project Network
University of Pennsylvania
University of Pennsylvania
University of Pennsylvania
Warum entscheiden sich Menschen für Coursera für ihre Karriere?
Bewertungen von Lernenden
Zeigt 3 von 502
502 Bewertungen
- 5 stars
58,76 %
- 4 stars
20,71 %
- 3 stars
12,35 %
- 2 stars
3,98 %
- 1 star
4,18 %
Geprüft am 2. März 2018
Geprüft am 8. März 2021
Geprüft am 28. Aug. 2019
Neue Karrieremöglichkeiten mit Coursera Plus
Unbegrenzter Zugang zu über 7.000 erstklassigen Kursen, praktischen Projekten und Zertifikatsprogrammen, die Sie auf den Beruf vorbereiten – alles in Ihrem Abonnement enthalten
Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.
Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online
Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.
Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.
Häufig gestellte Fragen
Der Zugang zu Vorlesungen und Aufgaben hängt von der Art Ihrer Einschreibung ab. Wenn Sie einen Kurs im Prüfungsmodus belegen, können Sie die meisten Kursmaterialien kostenlos einsehen. Um auf benotete Aufgaben zuzugreifen und ein Zertifikat zu erwerben, müssen Sie die Zertifikatserfahrung während oder nach Ihrer Prüfung erwerben. Wenn Sie die Prüfungsoption nicht sehen:
Der Kurs bietet möglicherweise keine Prüfungsoption. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen.
Der Kurs bietet möglicherweise stattdessen die Option 'Vollständiger Kurs, kein Zertifikat'. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Bewertungen abgeben und eine Abschlussnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
Wenn Sie sich für den Kurs einschreiben, erhalten Sie Zugang zu allen Kursen der Specializations, und Sie erhalten ein Zertifikat, wenn Sie die Arbeit abgeschlossen haben. Ihr elektronisches Zertifikat wird Ihrer Erfolgsseite hinzugefügt - von dort aus können Sie Ihr Zertifikat ausdrucken oder zu Ihrem LinkedIn-Profil hinzufügen. Wenn Sie die Kursinhalte nur lesen und ansehen möchten, können Sie den Kurs kostenlos besuchen.
Wenn Sie ein Abonnement abgeschlossen haben, erhalten Sie eine kostenlose 7-tägige Testphase, in der Sie kostenlos kündigen können. Danach gewähren wir keine Rückerstattung, aber Sie können Ihr Abonnement jederzeit kündigen. Siehe unsere vollständigen Rückerstattungsbedingungen.