Çevrimiçi kurs – Pennsylvania Üniversitesi’nin robotik alanında sertifikalı profesyonel uzmanlık

Robotik: hava robotiği

• Kurs 1 • 18 saat • 4,5 (3.070 değerlendirme)

Kurs detayları

ne öğreneceksin

• Hem iç hem de dış mekanlarda yoğun ortamlarda otonom olarak çalışabilen küçük ve esnek hava araçlarını nasıl yaratacağız?
• Uçuş mekaniğini ve kare uçan robotların tasarımını öğreneceksiniz.
• 3 boyutlu ortamlarda dinamik modeller geliştirecek, değişkenler türetecek ve eylem planlayıcıları sentezleyeceksiniz.
• Karmaşık 3 boyutlu ortamlarda yer tespit etmek ve manevra yapmak için gürültülü sensörleri kullanmanın zorluklarına maruz kalacaksınız.
• Sonunda hızla gelişen drone endüstrisindeki olası uygulamaların ve zorlukların gerçek dünyadaki örneklerini göreceksiniz.

Matematiksel gereksinimler

• Öğrencilerin bu dersten beklentileri arasında doğrusal cebire giriş, tek değişkenli diferansiyel hesap ve diferansiyel denklemler yer almaktadır.

Programlama gereksinimleri

• MATLAB veya Octave ile programlama deneyimine sahip olmanız tavsiye edilir (bu derste MATLAB kullanacağız).
• 64 bit bilgisayar gereklidir.

geliştireceğiniz beceriler

• Kategori: trafik planlaması
• Kategori: Robotik
• Kategori: Drone
• Kategori: MATLAB

Robotik: hesaplamalı hareket planlama

• Kurs 2 • 11 saat • 4,3 (1.034 değerlendirme)

Kurs detayları

ne öğreneceksin

• Robotik sistemler genel olarak üç bileşenden oluşur: çevreye kuvvet ve tork uygulayabilen bir mekanizma, dünyayı algılamaya yönelik bir algılama sistemi ve robot için bir karar verme ve davranış kontrol sistemi.
• Bu derste bir robotun hedeflerine ulaşmak için ne yapacağına nasıl karar vereceği problemini inceleyeceğiz.
• Bu soruna bazen hareket planlama adı verilir ve farklı durumları modellemek için farklı şekillerde formüle edilir.
• Grafik tabanlı yöntemler, rastgele tasarımcılar ve yapay potansiyel alanlar da dahil olmak üzere bu sorunu çözmeye yönelik çeşitli genel yaklaşımları öğreneceksiniz.
• Kurs sırasında sorunun planlamayı zorlaştıran yönleri hakkında konuşacağız.

geliştireceğiniz beceriler

• Kategori: Python programlama
• Kategori: Robotik
• kategori: Ahududu Pi
• Kategori: MATLAB

Robotik: hareketlilik

• Kurs 3 • 19 saat • 3,9 (603 değerlendirme)

Kurs detayları

ne öğreneceksin

• Robotlar, yapılandırılmamış bir ortamda hareket etmek için motorlarını ve sensörlerini nasıl kullanabilir?
• Karmaşık ve dinamik bir dünyada güvenilir hareketlilik sağlayan fiziksel formların fiziksel kuvvetleri uygulamasına yardımcı olacak robot gövdesini ve davranışlarını nasıl tasarlayacağınızı anlayacaksınız.
• Karmaşık sensör-motor programlarının oluşturulmasını kısmen otomatikleştiren basit dinamik örnekleri bir araya getirmeye yönelik bir yaklaşım geliştireceğiz.
• Ele alınacak spesifik konular arasında şunlar yer almaktadır: hayvanlarda ve robotlarda hareketlilik, ayaklı makinelerin kinematiği ve dinamiği ve enerji manzaralarını kullanarak dinamik davranışın modellenmesi.

geliştireceğiniz beceriler

• Kategori: parçacık filtresi
• Kategori: Değerlendirme
• Kategori: Haritalama

Robotik: Algılama

• Kurs 4 • 33 saat • 4,3 (653 değerlendirme)

Kurs detayları

ne öğreneceksin

• Robotlar, navigasyon ve manipülasyon görevlerini yerine getirebilmek için dünyayı ve hareketlerini nasıl algılayabilir?
• Bu modülde robotlara monte edilen kameralardan alınan görüntü ve videoların özellikler, optik akış gibi temsillere nasıl dönüştürüldüğünü inceleyeceğiz.
• Bu 2 boyutlu gösterimler, kameranın konumu ve robotun hareket yönü hakkında 3 boyutlu bilgiler çıkarmamızı sağlar.
• Nesnelerin 3 boyutlu hizalanmasının hesaplanmasıyla nesne algısının nasıl kolaylaştırıldığını ve görsel odometri ve sembol tabanlı izleme ile navigasyonun mümkün olduğunu anlayacaksınız.

geliştireceğiniz beceriler

• Kategori: Bilgisayarla Görme
• Kategori: Değerlendirme
• Kategori: Rastgele Örnekleme (RANSAC)
• Kategori: Geometri

Robotik: Değerlendirme ve Öğrenme

• Kurs 5 • 15 saat • 4,3 (504 değerlendirme)

Kurs detayları

ne öğreneceksin

• Robotlar gürültülü sensör ölçümlerine dayanarak kendi durumlarını ve çevrelerindeki ortamın özelliklerini nasıl belirleyebilirler?
• Bu modülde robotların belirsizliği değerlendirmeye nasıl entegre edeceğini ve dinamik ve değişen dünyadan nasıl ders çıkaracağını öğreneceksiniz.
• Ele alınacak spesifik konular arasında olasılıksal üretken modeller, konum tespiti ve haritalama için Bayesian filtreleme yer almaktadır.

geliştireceğiniz beceriler

• Kategori: trafik planlaması
• Kategori: planlama ve otomasyon
• Kategori: Algoritma A*
• Kategori: MATLAB

Robotik: final projesi

• Kurs 6 • 26 saat • 4,6 (114 değerlendirme)

Kurs detayları

ne öğreneceksin

• Robotik final projemizde, robotik uzmanlık kurslarınızda öğrendiğiniz içeriğe dayanarak size pratik bir soruna çözüm uygulama fırsatı vereceğiz.
• Ayrıca araştırmacıların robotik laboratuvarlarında kullandığı matematik ve programlama yöntemlerini kullanma şansı da verecektir.
• İki rotadan birini seçin:
• Simülasyon parkurunda, ters çevrilmiş bir hareketli sarkacın simülasyonunu yapmak için MATLAB’ı kullanacaksınız. Bu son parkur için gereken materyal hareketlilik, hava robotiği ve değerlendirme derslerine dayanmaktadır.
• Donanım bölümünde, robotunuzun ortamınızda otonom olarak gezinmesini sağlamak için bir robot kiti, bir Raspberry Pi, bir Pi kamera ve bir IMU satın almanız ve birleştirmeniz gerekecektir.
• Uygulamalı programlama deneyimi, robot hareketinin, planlamanın ve algılamanın temellerini edindiğinizi ve bunları gerçek dünya problemlerinde çeşitli pratik uygulamalara dönüştürebildiğinizi gösterecektir.
• Projeyi tamamlamak sizi robot bilimi alanına ve robotların her endüstrinin çehresini değiştirdiği giderek artan çeşitlilikteki diğer kariyer yollarına girmeye daha iyi hazırlayacaktır.

Her parçanın haftalık dökümü için lütfen aşağıdaki müfredata bakın.

1. Hafta

• giriiş
• MIP Track: Dinamik Simülasyonlar için MATLAB Kullanımı
• AR yolu: Dijkstra setinin satın alınması
• Test: A1.2 ODE’nin MATLAB ile entegrasyonu
• Programlama görevi: B1.3 Dijkstra’nın Python’daki algoritması

2. Hafta

• MIP yolu: İkinci derece sistemler için PD kontrolü
• AR yolu: gezici tren
• Test: A2.2 PD takibi
• Test: B2.10 Tamamlanan gezici ekranı

3. Hafta

• MIP yörüngesi: IMU’dan skaler yönelimi elde etmek için EKF’yi kullanma
• AR yörüngesi: kalibrasyon
• Test: Skaler konum tahmini için A3.2 EKF
• Test: B3.8 Kalibrasyonu

4. Hafta

• MIP Parçası: Hareketli Sarkaç (MIP) Modelleri
• AR yörüngesi: Gezici için kontrol cihazı tasarlama
• Test: A4.2 MIP dinamik simülasyonu
• Akran değerlendirmesi ataması: B4.2 Etiket izleme algoritmasının programlanması

5. Hafta

• MIP yolu: MIP yerel doğrusallaştırma ve doğrusal kontrol
• AR yörüngesi: durum tahmini için genişletilmiş Kalman filtresi
• Test: A5.2 MIP’nin denge kontrolü
• Akran değerlendirmesi ataması: B5.2 Durum değerlendirmesi için genişletilmiş Kalman filtresi

6. Hafta

• MIP yolu: MIP için geri bildirim içeren bir kurs planlama
• AR Parçası: Entegrasyon
• Test: A6.2 MIP için gürültüye dayanıklı kontrol ve tasarım
• Akran değerlendirmesi ödevi: B6.2 Otonom gezicinizi tamamlama

geliştireceğiniz beceriler

• Kategori: Seri Hat İnternet Protokolü (SLIP)
• Kategori: Robotik
• Kategori: Robot
• Kategori: MATLAB