奈米學位學習方案：成為機器人 Robotics 軟體工程師

Contents

課程簡介

構建動手做專案以獲得核心機器人( Robotics )軟體工程技能：ROS、Gazebo、本地化、映射、SLAM、導航和路徑規劃。

Udacity奈米學位介紹

預估完成時間：4 個月

你將學習到

通過使用 ROS 框架和 C++ 對機器人進行程式設計的實用、以系統為中心的方法，開始探索機器人軟體工程的世界。此外，學習和應用機器人軟體工程演算法，如定位、映射和導航。

課程事先準備

你需要以下的知識

任何物件導向程式語言的高級知識，最好是 C++
中級機率
中級微積分
中級線性代數
基本的 Linux 命令行

自動駕駛汽車入門奈米學位課程將教您在機器人軟體工程師奈米學位課程中取得成功所需的技能，包括 C++、線性代數、微積分和統計學。

Robotics 介紹課程

學習機器人技術的基本要素，與您的導師會面，並熟悉有助於您在該計劃中取得成功的工具。

Gazebo 世界

了解如何使用 Gazebo 模擬您的第一個機器人環境，這是世界各地機器人專家使用的最常用的模擬引擎。

專案：Build My World

使用 Gazebo 模擬由建築物組成的機器人環境，以容納您未來的機器人。您將應用的技能：Gazebo、C++ 外掛。

ROS 精髓

了解 ROS 如何為以模組化和可重用方式開發機器人提供靈活統一的軟體環境。了解如何管理專案中現有的 ROS 套件，以及如何使用 C++ 編寫自己的 ROS 節點。

專案：Go Chase It!

使用機器人操作系統 (ROS) 設計移動機器人。然後，將您新設計的機器人安置在您在專案 1 中建構的機器人環境中。您將使用 C++ 對您的機器人編寫程式，以在這個世界中追逐一個球。您將應用的技能：catkin 工作區、ROS 套件、ROS 節點、ROS 啟動檔、RViz 整合和 C++。

在地化

了解如何使用高斯濾波器( Gaussian filters )估計嘈雜的傳感器讀數，以及如何使用蒙地卡羅定位 (MCL，Monte Carlo Localization) 估計機器人相對於已知環境地圖的位置。

專案：Where am I ?

使用 ROS 中的蒙地卡羅定位演算法，結合傳感器數據和世界地圖，估計移動機器人的位置和方向，以便您的機器人可以回答“我在哪裡？”的問題。您將應用的技能：定位演算法：卡爾曼濾波器( Kalman Filter )和 MCL、ROS 參數、ROS 套件整合、C++。

映射和 SLAM

了解如何使用 ROS 套件和 C++ 創建同時定位和映射 (SLAM) 實現。您將通過將映射演算法與您在本地化課程中學到的知識相結合來實現這一點。

專案：Map My World

同時定位和映射 (SLAM) 可以通過多種方式實現，具體取決於通過各種 ROS 套件使用的傳感器。使用 ROS SLAM 套件和模擬傳感器數據來創建一個代理，該代理既可以映射周圍的世界，也可以在其中進行本地化。您將應用的技能：映射和 SLAM 演算法、佔用網格映射、基於網格的 FastSLAM 和 GraphSLAM、ROS 調試工具、C++。