courseraИнженерия

Robotics: Estimation and Learning

Курс от University of Pennsylvania

Уровень не указан≈ 15.2 чАнглийский

О курсе

How can robots determine their state and properties of the surrounding environment from noisy sensor measurements in time? In this module you will learn how to get robots to incorporate uncertainty into estimating and learning from a dynamic and changing world. Specific topics that will be covered include probabilistic generative models, Bayesian filtering for localization and mapping.

Навыки, которые вы освоите

Probability Distribution Data Processing Statistical Modeling Algorithms Bayesian Statistics Statistical Machine Learning Estimation Probability & Statistics Markov Model Statistical Methods Robotics

Программа курса

4 модулей · 36 учебных материалов

01Gaussian Model Learning15 материалов

1.1 Introduction

Learning Style Preference QuestionnaireЗадание Course IntroductionВидео MATLAB Tutorial - Getting Started with MATLABЧтение Setting Up your MATLAB EnvironmentЧтение

Учитесь у экспертов

Daniel Lee

Professor of Electrical and Systems Engineering

В каталоге вашей программы

Инвестируйте в себя

Новые знания — в удобное для вас время.

Начать на Coursera

Обучение откроется на Coursera
в новой вкладке

Обучение на Coursera

≈ 15.2 ч

4 модулей

Язык: Английский

Субтитры: Арабский, Французский, Бенгальский, Украинский, Китайский (Китай), Греческий, Итальянский, Бразильский португальский, Нидерландский, Корейский, Ория, Немецкий, Пушту, Урду, Русский, Тайский, Индонезийский, Шведский, Турецкий, Азербайджанский, Испанский, Дари, Хинди, Японский, Казахский, Венгерский, Польский

Robotics: Estimation and Learning

О курсе

Навыки, которые вы освоите

Программа курса

1.1 Introduction

Учитесь у экспертов

Daniel Lee

1.2 Single Dimensional Gaussian

1.3 Multivariate Gaussian

1.4 Mixture of Gaussians

2.1 Motivation

2.2 Kalman Filter Model

2.3 MAP Estimate of KF

2.4 Non-Linear Variations

3.1 Robotic Mapping

3.2 Occupancy Grid Mapping

3.3 3D Mapping

4.1 Belief state in 2D

4.2 Map Registration

4.3 Particle Filters

4.4 ICP