Close Banner

机器人人工智能

编制机器人汽车

高级

大约 2 个月

6小时每周 (按照自己的节奏)

由以下企业参与制作:
加入成千上万的全球学员

开始免费课程

加入课程
免费
可享受
课程视频
实战练习与参考项目指导
高级

大约 2 个月

6小时每周 (按照自己的节奏)

由以下企业参与制作:
加入成千上万的全球学员
观看机器人人工智能课程介绍
观看视频

课程概述

跟随 Google 和斯坦福大学无人驾驶车团队领袖,学习如何编写无人驾驶车主要系统的程序。本课程将讲授人工智能的基本方法,包括概率推论、规划和搜索、定位、跟踪和控制,所有内容都是以机器人技术为重点。在本课程中,你会通过进行大量编程实例和任务,学习在真实的无人驾驶车制造场景下如何应用上述技术。

本课程是佐治亚理工学院计算机科学硕士学位课程的一部分。更新后的课程包括一项最终项目,在这个项目设计中,你需要追捕一个试图逃跑的失控机器人!

喜欢这门课程?加入“机器学习工程师”纳米学位。

为什么学习这门课程?

本课程将讲授概率推论、规划和搜索、定位、跟踪和控制,所有内容都是以机器人技术为重点。

课程最后,你将利用学到的知识解决失控问题,追捕一个试图逃跑的机器人。

先修要求

要掌握这门课程,你需要一些编程经验,并熟悉相关数学知识。

这门课程所使用的编程语言是 Python 。我们将利用一些基本面向对象概念,模拟机器人的运动与感知能力。如果你不了解 Python,但是却熟知另一种程序语言,那么你应该可以很快地学会 Python 语法。如果你没有编程经验,那么在学习本课程前,你应该考虑学习优达学城的计算机科学导论课程。

这门课所用到的数学知识将以概率和线性代数为主。你不需要成为一名专家,不过略为了解概率中的一些概念(例如概率之和必须为一、条件概率以及贝叶斯法则)是非常有帮助的。你可以在学习本课程同时了解这些概念,但这需要更多努力。线性代数知识虽然有用,但是不是必备知识。

查看使用优达学城的技术要求

你将学习什么内容?

项目

毕业项目

在该毕业项目中,你将利用学到的全部课程知识,通过应用机器学习算法和技术,解决一个你自己选择的问题。首先,你将确定希望解决的问题,研究可能的解决方案和性能指标。接下来,你将利用可视化和数据探索来分析问题,从而更好地了解哪些算法和特征适合用来解决这个问题。

之后,你将执行算法及选择指标,同时记录预处理、细化,以及后处理相关步骤。然后,你将收集与所用模型性能有关的结果,可视化重要的数字,验证/证实这些数值。最后,你将构建结论,讨论你是否已充分地解决该问题。

学习计划

第 1 课:定位

  • 定位
  • 全概率
  • 均匀分布
  • 感后概率
  • 正常化分布
  • Phit 与 Pmiss
  • 概率总和
  • 感觉功能
  • 精确运动
  • 移动功能
  • 贝叶斯法则
  • 全概率定理

第 2 课:卡尔曼滤波器

  • Gaussian 简介
  • 差异比较
  • 最大化 Gaussian
  • 测量与运动
  • 参数更新
  • 新均值方差
  • Gaussian 运动
  • 卡尔曼滤波器代码
  • 卡尔曼预测
  • 卡尔曼滤波器设计
  • 卡尔曼模型

第 3 课:粒子滤波器

  • 平板空间
  • 感知模式
  • 粒子滤波器
  • 使用机器人类别
  • 机器人世界
  • 机器人粒子

第 4 课:搜索

  • 运动规划
  • 计算成本
  • 最优路径
  • 优先搜索程序
  • 扩展网格
  • 动态程序设计
  • 计算值
  • 最优策略

第 5 课:PID 控制

  • 机器人运动
  • 平滑算法
  • 调整路径
  • 零数据重量
  • Pid 控制
  • 比例控制
  • 执行 P 控制器
  • 振动
  • Pd 控制器
  • 系统性偏差
  • Pid 执行
  • 参数优化

第 6 课:SLAM(即时定位与地图构建)

  • 定位
  • 规划
  • 分段 Ste
  • 参数的乐趣
  • SLAM
  • SLAM 图表
  • 执行限制
  • 添加地标
  • 基体调整
  • 未触及域
  • 地标位置
  • 可信度测量
  • 执行 SLAM

最后项目 机器人失控

讲师与合作伙伴

Sebastian Thrun

Sebastian Thrun

Sebastian Thrun 是优达学城的创始人,同时也是斯坦福大学计算机科学专业研究教授、Google 研究员、美国国家工程院和德国科学院成员。Thrun 因为他在机器人和机器学习领域的研究为人所知,他在无人驾驶车领域的研究尤为出众。

官方微信公众号二维码

优达学城(Udacity)微信