Comment les robots peuvent-ils déterminer leur état et les propriétés du milieu environnant à partir de mesures de capteurs bruyants dans le temps ? Dans ce module, vous apprendrez comment faire en sorte que les robots intègrent l'incertitude dans l'estimation et l'apprentissage d'un monde dynamique et changeant. Les sujets spécifiques qui seront couverts incluent les modèles génératifs probabilistes, le filtrage bayésien pour la localisation et la cartographie.
Robotique : Estimation et apprentissage
Ce cours fait partie de Spécialisation Robotique
Enseigné en Anglais
Certains éléments de contenu peuvent ne pas être traduits
Instructeur : Daniel Lee
32 370 déjà inscrits
Inclus avec
Cours
(502 avis)
Compétences que vous acquerrez
- Catégorie : Filtre à particules
- Catégorie : Estimation
- Catégorie : Cartographie
Détails à connaître
Ajouter à votre profil LinkedIn
1 devoir
Cours
(502 avis)
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées
Élaborez votre expertise du sujet
- Apprenez de nouveaux concepts auprès d'experts du secteur
- Acquérez une compréhension de base d'un sujet ou d'un outil
- Développez des compétences professionnelles avec des projets pratiques
- Obtenez un certificat professionnel partageable
Obtenez un certificat professionnel
Ajoutez cette qualification à votre profil LinkedIn ou à votre CV
Partagez-le sur les réseaux sociaux et dans votre évaluation de performance
Il y a 4 modules dans ce cours
Nous allons nous familiariser avec la distribution gaussienne pour la modélisation paramétrique en robotique. La distribution gaussienne est la distribution continue la plus largement utilisée et constitue un moyen utile d'estimer l'incertitude et de faire des prévisions dans le monde. Nous commencerons par discuter de la distribution gaussienne unidimensionnelle, puis nous passerons à la distribution gaussienne multivariée. Enfin, nous étendrons le concept aux modèles qui utilisent des mélanges de gaussiennes.
Inclus
9 vidéos4 lectures1 devoir1 devoir de programmation
Nous apprendrons à connaître la distribution gaussienne pour suivre un système dynamique. Nous commencerons par discuter des systèmes dynamiques et de leur impact sur les distributions de probabilité. Ce système de filtre de Kalman linéaire sera décrit en détail et, en outre, les systèmes de filtrage non linéaires seront explorés.
Inclus
5 vidéos1 devoir de programmation
Nous allons nous familiariser avec la cartographie robotique. Plus précisément, l'objectif de cette semaine est de comprendre un algorithme de cartographie appelé Occupancy Grid Mapping (cartographie des grilles d'occupation) basé sur des mesures de portée. Plus tard dans la semaine, nous présenterons également la cartographie 3D.
Inclus
6 vidéos1 devoir de programmation
Nous allons apprendre ce qu'est la localisation robotique. Plus précisément, l'objectif de cette semaine est de comprendre comment les mesures de portée, associées aux relevés de l'odomètre, permettent de placer un robot sur une carte. Plus tard dans la semaine, nous introduirons également la localisation en 3D.
Inclus
6 vidéos1 lecture1 devoir de programmation
Instructeur
Offert par
Recommandé si vous êtes intéressé(e) par Ingénierie mécanique
Coursera Project Network
University of Pennsylvania
University of Pennsylvania
University of Pennsylvania
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Avis des étudiants
Affichage de 3 sur 502
502 avis
- 5 stars
58,76 %
- 4 stars
20,71 %
- 3 stars
12,35 %
- 2 stars
3,98 %
- 1 star
4,18 %
Ouvrez de nouvelles portes avec Coursera Plus
Accès illimité à plus de 7 000 cours de renommée internationale, à des projets pratiques et à des programmes de certificats reconnus sur le marché du travail, tous inclus dans votre abonnement
Faites progresser votre carrière avec un diplôme en ligne
Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne
Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires
Améliorez les compétences de vos employés pour exceller dans l’économie numérique
Foire Aux Questions
L'accès aux cours et aux devoirs dépend de votre type d'inscription. Si vous suivez un cours en mode audit, vous pourrez consulter gratuitement la plupart des supports de cours. Pour accéder aux devoirs notés et obtenir un certificat, vous devrez acheter l'expérience de certificat, pendant ou après votre audit. Si vous ne voyez pas l'option d'audit :
Il se peut que le cours ne propose pas d'option d'audit. Vous pouvez essayer un essai gratuit ou demander une aide financière.
Le cours peut proposer l'option "Cours complet, pas de certificat" à la place. Cette option vous permet de consulter tous les supports de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cela signifie également que vous ne pourrez pas acheter un certificat d'expérience.
Lorsque vous vous inscrivez au cours, vous avez accès à tous les cours de la Specializations, et vous obtenez un certificat lorsque vous terminez le travail. Votre certificat électronique sera ajouté à votre page de réalisations - de là, vous pouvez imprimer votre certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez uniquement lire et visualiser le contenu du cours, vous pouvez auditer le cours gratuitement.
Si vous vous êtes abonné, vous bénéficiez d'une période d'essai gratuite de 7 jours pendant laquelle vous pouvez annuler votre abonnement sans pénalité. Après cette période, nous ne remboursons pas, mais vous pouvez résilier votre abonnement à tout moment. Consultez notre politique de remboursement complète.