Metody programowania robotów. Ogólne
wprowadzenie.
Programowanie a struktura układu sterowania. Metody off-line
i on-line.
Klasyfikacja języków programowania robotów.
Programowe struktury ramowe. Przegląd
zagadnień i
struktur tego typu. Sposoby przetwarzania programowych struktur
ramowych i języków programowania.
Systemy wieloagentowe. Struktura
agenta, formalizacja
opisu działania agenta za pomocą funkcji przejścia. Efektory.
Receptory. Ontologie.
Systemy behawioralne.
Dekompozycja sekwencyjna i
równoległa. Selekcja zachowań wykorzystująca predykaty.
Transformacja
systemów synchronicznych w zdarzeniowe.
Systemy behawioralne. Zachowania
elementarne i złozone.
Agenty deterministyczne i niedeterministyczne.
Hybrydowe systemy deliberatywno-behawioralne.
Systemy rozmyte. Zbiory rozmyte,
wykorzystanie do
sterowania agentów upostaciowionych.
Środowisko MRROC++. Wprowadzenie.
Sposoby
wykorzystania MRROC++ do budowy systemów wielorobotowych.
Część druga:
Autonomiczna nawigacja robota mobilnego. Pojęcie
robota
autonomicznego. Sformułowanie zadań: samo-lokalizacji robota,
planowania ścieżki ruchu, budowy map otoczenia, wykrywania i
unikania kolizji, sterowania. Źródła niepewności w
nawigacji. Podstawowe pojęcia
matematyczne: rozkład
prawdopodobieństwa, prawdopodobieństwo warunkowe, reguła Bayesa,
zmienne losowe, procesy stochastyczne, łańcuchy Markowa.
Lokalizacja robota. Sformułowanie
zadania. Rodzaje lokalizacji. Zadanie jednoczesnej samolokalizacji i
budowy mapy - Simultaneous Localization and Mapping
(SLAM). Podejście probabilistyczne wykorzystujące filtr
Bayesa. Implementacje filtru Bayesa.
Model czujnika
i model ruchu (akcji) robota. Probabilistyczne modele kinematyki robota oraz model obserwacji.
Metody probabilistyczne w zadaniu lokalizacji oraz zadaniu jednoczesnej samolokalizacji i budowy mapy. Algorytm filtru Kalmana. Rozszerzony filtr Kalmana (EKF). SLAM bazujący na cechach - algorytm EKF-SLAM.
Metody Monte Carlo w zadaniu SLAM. Filtr cząsteczkowy. Algorytm FastSLAM. Budowa mapy otoczenia -- mapy
geometryczne
i topologiczne, hybrydowe. Mapy siatek zajętości.
Planowanie ścieżki ruchu robota.
Sformułowanie problemu
planowania. Przeszukiwanie dyskretnej i ciągłej przestrzeni stanu.
Metody i algorytmy planowania ścieżki ruchu: metoda propagacji fali, metoda diagramu Woronoia, metoda
grafu widoczności, metoda elastycznej wstęgi, metoda sztucznych
pól potencjałowych. Metoda probabilistycznych map drogowych (PRM).
Omijanie przeszkód i unikanie kolizji. Algorytmy typu Bug omijania przeszkód. Algorytmy VFH. Algorytmy okna dynamicznego oraz krzywizn i prędkości.
Materiały dodatkowe: S. Thrun, W. Burgard, and D. Fox.
Probabilistic Robotics.
The MIT Press, 2005 udostepnione przez autorów: http://www.probabilistic-robotics.org/
Dodatkowa literatura do pierwszej części wykładu: C. Zieliński:Transition-Function
Based Approach to Structuring Robot Control Software,
In:
Robot Motion and Control: Recent Developments, Ed.: K. Kozłowski, W.
Wróblewski, Lecture Notes in Control and Information
Sciences,
Springer Verlag, pp. 261-282.
Tematy projektów są zamieszczone na tej stronie.
Wybór konkretnego tematu powinien być zgłoszony do mnie osobiście pok. 554 lub pocztą elekroniczną (email: W.Szynkiewicz.(at).ia.pw.edu.pl)
Osobami bezpośrednio odpowiedzialnymi prowadzenie projektów są:
Tomasz Winiarski (T.Winiarski (at) ia.pw.edu.pl) oraz Wojciech Szynkiewicz (W.Szynkiewicz.(at).ia.pw.edu.pl).
Osoby,
które zaproponowały poszczególne tematy udzielą Państwu
szczegółowych informacji dotyczących zakresu pracy oraz pomocy
przy realizacji projektu.
Możliwe jest wykonywanie własnych pomysłów projektów
związanych z robotyką po uzgodnieniu z prowadzącym zakresu prac.
Zadania
powinny być wykonywane przez
zespoły 2 osobowe, możliwe są również projekty indywidualne.
Osoby wykonujące prace magisterskie związane z robotyką lub sztuczną inteligencją są
proszone o kontakt ze swoimi opiekunami naukowymi w celu ustalenia
tematów i zakresu projektów.
Doktoranci mogą
również zaproponować, w uzgodnieniu z promotorem, tematy
projektów związane z ich doktoratami.
Literatura i materiały pomocnicze: (będzie sukcesywnie rozszerzana)
Artificial
Intelligence and Mobile Robots, Ed. D. Kortenkamp, R. P.
Bonasso,
R. Murphy, MIT Press, 1998.
I.
Dulęba: Metody
i
algorytmy planowania ruchu robotów mobilnych i
manipulacyjnych,
Akademicka Oficyna Wydawnicza Exit, 2001.
S. M. LaValle: Planning Algorithms. Cambridge University Press, 2006, dostępne również na stronie: http://planning.cs.uiuc.edu/
M. Montemerlo and S. Thrun: FastSALM: A Sacalable Method for Simultaneous Localization and Mapping Problem in Robotics. Springer Tracts in Advanced Robotics vol. 27, Springer-Verlag, 2007.
S.
Russell, P. Norvig: Artificial Intelligence: A Modern Approach,
Prentice Hall; 2nd edition, 2002.
S. Thrun, W. Burgard, and D. Fox. Probabilistic Robotics.
The MIT Press, 2005. slajdy do książki udostepnione przez autorów: http://www.probabilistic-robotics.org/