Probabilistic Robotics28284
- Centre
- Faculty of Informatics
- Degree
- Grado en Inteligencia Artficial
- Academic course
- 2024/25
- Academic year
- 4
- No. of credits
- 6
- Code
- 28284
TeachingToggle Navigation
Teaching guideToggle Navigation
Skills/Learning outcomes of the subjectToggle Navigation
La asignatura aborda las técnicas probabilísticas para el manejo de la incertidumbre sensorial y de movimiento durante el proceso de navegación de un robot
Theoretical and practical contentToggle Navigation
. .
1.- Introducción
2.- Estimación del estado: razonamiento Bayesiano, suposición Markoviana, filtros gaussianos (KF, EKF) y
no paramétricos. Filtros de partículas.
3.- Localización de robots móviles: Aproximaciones gaussianas y no paramétricas aplicadas al problema
de estimar la localización del robot en cada momento. Estimación de una única hipótesis, así como de
múltiples hipótesis sobre el estado. Localización markoviana y gaussiana. Localización de Monte Carlo.
4.- Mapeo del entorno: técnicas probabilísticas aplicadas a la generación del mapa que el robot utilizará
en su navegación. Básicamente, se tratará el problema del SLAM, que introduce la incertidumbre en la
localización del robot durante el proceso de creación del mapa. Algoritmos FastSlam y GraphSlam.
5.- Planificación y control: Se considerará la incertidumbre asociada a la selección de la acción apropiada
durante la planificación de trayectorias. Algoritmos de planificación probabilística, modelos ocultos de
Markov HMM), algoritmo de iteración de valor y procesos de Markov parcialmente observables
(POMDPs).
Assessment systemsToggle Navigation
- Final Assessment System