Les systèmes robotiques comprennent généralement trois éléments : un mécanisme capable d'exercer des forces et des couples sur l'environnement, un système de perception du monde et un système de décision et de contrôle qui module le comportement du robot pour atteindre les objectifs souhaités. Dans ce cours, nous examinerons le problème de la manière dont un robot décide de ce qu'il doit faire pour atteindre ses objectifs. Ce problème est souvent appelé planification de mouvement et il a été formulé de diverses manières pour modéliser différentes situations. Vous apprendrez quelques-unes des approches les plus courantes pour aborder ce problème, y compris les méthodes basées sur les graphes, les planificateurs aléatoires et les champs de potentiel artificiels. Tout au long du cours, nous discuterons des aspects du problème qui rendent la planification difficile.

Comment les robots peuvent-ils utiliser leurs moteurs et leurs capteurs pour se déplacer dans un environnement non structuré ? Vous comprendrez comment concevoir des corps et des comportements de robots qui recrutent des membres et des appendices plus généraux pour appliquer des forces physiques qui confèrent une mobilité fiable dans un monde complexe et dynamique. Nous développons une approche pour composer des abstractions dynamiques simples qui automatisent partiellement la génération de programmes sensorimoteurs compliqués. Les sujets spécifiques qui seront couverts comprennent : la mobilité chez les animaux et les robots, la cinématique et la dynamique des machines à jambes, et la conception d'un comportement dynamique par le biais de paysages énergétiques.

Comment les robots peuvent-ils percevoir le monde et leurs propres mouvements afin d'accomplir des tâches de navigation et de manipulation ? Dans ce module, nous étudierons comment les images et les vidéos acquises par des caméras montées sur des robots sont transformées en représentations telles que les caractéristiques et le flux optique. Ces représentations 2D nous permettent ensuite d'extraire des informations 3D sur l'emplacement de la caméra et la direction dans laquelle le robot se déplace. Vous comprendrez comment la saisie d'objets est facilitée par le calcul de la pose 3D des objets et comment la navigation peut être réalisée grâce à l'odométrie visuelle et à la localisation basée sur les points de repère.

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.

Dans notre Robotics Capstone de 6 semaines, nous vous donnerons l'occasion de mettre en œuvre une solution pour un problème du monde réel basé sur le contenu que vous avez appris dans les cours de votre spécialisation en robotique. Vous aurez également l'occasion d'utiliser des méthodes mathématiques et de programmation que les chercheurs utilisent dans les laboratoires de robotique.

Vous aurez le choix entre deux pistes - Dans la piste de simulation, vous utiliserez Matlab pour simuler un pendule inversé mobile ou MIP. Le matériel requis pour cette filière est basé sur des cours de mobilité, de robotique aérienne et d'estimation. L'expérience de programmation pratique démontrera que vous avez acquis les bases du mouvement, de la planification et de la perception des robots, et que vous êtes capable de les traduire en une variété d'applications pratiques dans des problèmes du monde réel. L'achèvement du capstone vous préparera mieux à entrer dans le domaine de la robotique ainsi que dans un nombre croissant d'autres carrières où les robots changent le paysage de presque toutes les industries. Veuillez vous référer au syllabus ci-dessous pour une répartition semaine par semaine de chaque filière. Semaine 1 Introduction MIP Track : Utilisation de MATLAB pour les simulations dynamiques AR Track : Dijkstra et l'achat du kit Quiz : A1.2 Intégration d'une EDO avec la programmation MATLAB : B1.3 Algorithme de Dijkstra en Python Semaine 2 Piste MIP : Contrôle PD pour les systèmes du second ordre Piste AR : Assembler le Rover Quiz : A2.2 Quiz sur le suivi des DP : B2.10 Démonstration du Rover terminé Semaine 3 Piste MIP : Utilisation d'un EKF pour obtenir une orientation scalaire à partir d'une IMU Piste AR : Calibration Quiz : A3.2 EKF pour l'estimation de l'attitude scalaire Quiz : B3.8 Calibration Semaine 4 Piste MIP : Modélisation d'un pendule inversé mobile (MIP) Piste AR : Conception d'un contrôleur pour le Rover Quiz : A4.2 Simulation dynamique d'un MIP Devoir noté par un pair : B4.2 Programmation d'un algorithme de suivi de balises Semaine 5 Piste MIP : Linéarisation locale d'un MIP et contrôle linéarisé AR Track : Un filtre de Kalman étendu pour l'estimation d'état Quiz : A5.2 Equilibrer le contrôle d'un MIP Travail évalué par les pairs : B5.2 Un filtre de Kalman étendu pour l'estimation d'état Semaine 6 Piste MIP : Planification de mouvement par retour d'information pour le MIP AR Track : Intégration Quiz : A6.2 Contrôle du bruit et planification pour le MIP Devoir noté : B6.2 Compléter votre rover autonome