La asignatura aborda las técnicas probabilísticas para el manejo de la incertidumbre sensorial y de movimiento durante el proceso de navegación de un robot

. .



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).

• Sistema de Evaluación Final