機器人專業課程 - Soft & Share

關於此課程

學習機器人專業的基石。獲得在機器人寫程式的經驗，能適應狀況並用於危機救助管理

機器人專業教授機器人飛行和運動的概念，機器人如何觀察自己的環境，以及如何調整自己的動作以避開障礙物，行駛於困難的地形和完成建築和災難救助和復原等複雜任務。你將會接觸到現實世界的例子，說明機器人如何應用於災難情況，他們如何在人類健康護理方面取得進展，以及未來可做到什麼。這些課程將發展成總整課程 ( capstone )，你將於此學到如何編程機器人以執行各種動作，例如飛行和抓取物體。

到官方網站了解本課程與上課

製作方

University of Pennsylvania

Penn工程擁有世界知名的教師，最先進的研究實驗室和高度跨學科的課程，150多年來提供了無與倫比的學習體驗。為了迎接21世紀的技術機遇和挑戰，學校的教育理念一直保持不變：將現有理論和實踐經驗與現代儀器和分析技術相結合。

賓夕法尼亞大學（通稱Penn）是一所私立大學，位於美國賓夕法尼亞州費城。 Penn 是常春藤聯盟的成員，是美國第四大歷史悠久的高等教育機構，是美國第一所擁有本科生和研究生的大學。

本課程的講師為以下 TED 中的主講教授 Vijay Kumar 與 Penn 電腦資訊科學和電子系統工程多位教授 CJ Talyer, Daniel E. Koditschek, Daniel Lee, Jianbo Shi, Kostas Daniilidis, Sid Deliwala

第 1 門課程機器人：空中機器人

課程概述

我們如何才能製造敏捷的微型飛行器，能夠在雜亂的室內和室外環境中自主運行？您將了解飛行機制和四旋翼飛行機器人的設計，並將能夠開發動態模型，派生控制器，並在三維環境中運行綜合規劃器。您將面臨在復雜的三維環境中使用噪聲傳感器進行定位和機動操作的挑戰。最後，您將通過查看真實世界的示例，了解迅速發展的無人機行業可能的應用和挑戰。

數學的先決條件：學習這門課程的學生對線性代數，單變量微積分和微分方程有一定的了解。

編程必備條件：建議使用MATLAB或Octave進行編程（我們將在本課程中使用MATLAB）MATLAB將需要使用64位計算機。

第 1 週 : Introduction to Aerial Robotics

第 2 週 : Geometry and Mechanics

第 3 週 : Planning and Control

第 4 週 : Advanced Topics

第 2 門課程機器人: 計算運動規畫

課程概述

機器人系統通常包括三個部分：能夠對環境施加力和力矩 ( torques ) 的機構，感應世界的感知系統以及調節機器人行為以達到期望目的的決策和控制系統。在這個課程中，我們將考慮機器人如何決定要做什麼去實現目標的問題。這個問題通常被稱為運動規劃（Motion Planning），並且已經以各種方式來制定模型來因應不同的情況。你將學習解決這個問題的一些最常用的方法，包括以圖為基礎 ( graph-based ) 的方法、隨機規劃器 ( randomized planners )和人工勢場 (artificial potential fields )。在整個課程中，我們將討論使規劃具有挑戰性的問題的各個方面。

第 2 週 : Configuration Space

第 3 週 : Sampling-based Planning Methods

第 4 週 : Artificial Potential Field Methods

第 3 門課程機動性

課程概述

機器人如何使用馬達和傳感器在非結構化環境中移動？你將了解如何設計機器人的身體和行為，招募四肢和更多的一般附屬物，以應用物理力學，在復雜而動態的世界中賦予可靠的機動性。我們開發了一種方法來編寫簡單的動態抽象 ( synamical abstractions )，部分自動化複雜感覺運動程式的生成。將涉及的具體主題包含：動物和機器人的機動性、腿式機器的運動學和動力學，以及通過能源景觀設計動力學行為。

第 2 週 : Behavioral (Templates) & Physical (Bodies)

第 3 週 : Anchors: Embodied Behaviors

第 4 週 : Composition (Programming Work)

第 4 門課程機器人 : 感知

課程概述

機器人如何感知世界和做自己的動作，從而完成導航和操作任務？在本單元中，我們將研究安裝在機器人上的攝影機所獲取的圖像和視訊如何轉化為特徵和光流等表徵。這樣的2D表現使我們能夠提取關於攝影機在哪裡以及機器人往哪個方向移動的 3D 資訊。你將了解如何通過計算物體的三維姿態來促進抓取物體，並且可以通過視覺測距和基於地標的本地化來完成導航。

第 2 週 : Projective Transformations

第 3 週 : Pose Estimation

第 4 週 : Multi-View Geometry

第 5 門課程機器人: 估算與學習

課程概述

機器人怎樣才能從嘈雜的傳感器測量結果中及時確定周圍環境的狀態和特性？在本單元中，你將學習如何讓機器人將不確定性納入，在動態變化的世界中估算和學習。將涉及的具體主題包括機率生成模型、本地化和映射的貝葉斯過濾。

第 2 週 : Bayesian Estimation – Target Tracking

第 3 週 : Mapping

第 4 週 : Bayesian Estimation – Localization

第 6 門課程機器人 : 總整課程

課程概述

在我們的 6 週機器人總整課程 ( Capstone ) 中，我們將根據你在機器人專業課程中學到的內容，給你機會為一個真實世界問題的提出解決方案。它也將使你有機會使用研究人員在機器人實驗室運用的數學和程式設計方法。

你將從兩條路徑中選擇 – 在仿真路徑 ( simulation track ) 中，你將使用 Matlab 來模擬移動倒立擺或 MIP。這總和了你在機動性、空中機器人和估算的課程所學到的東西。在硬體路徑 ( hardware track )，你將需要購買和組裝一個 rover kit、一個 raspberry pi、一個 pi 攝影機和 IMU，以便你的漫遊機在自己的環境中自主導航。

親身實踐的程式設計經驗將證明你已經掌握了機器人運動、規劃和感知的基礎，並且能夠將它們轉化為現實世界中各種問題的實際應用。總和課程的完成將更好地為你準備好進入機器人領域，以及正在因機器人改變的幾乎所有行業。