在线课程 – 宾夕法尼亚大学机器人专业认证专业

机器人技术：Aerial Robotics

• 课程 1 • 18 小时 • 4.5 （3,070 个等级）

课程详情

学习内容

• 我们如何制造能够在室内和室外繁忙环境中自主运行的小型灵活飞行器？
• 您将熟悉飞行机制和方形飞行机器人的设计。
• 您可以开发动态模型、派生变量并合成设计器，以便在 3D 环境中进行操作。
• 您将面临使用嘈杂传感器在复杂的 3D 环境中进行定位和操作的挑战。
• 完成后，您将看到快速发展的无人机行业中可能的应用和挑战的真实示例。

数学要求

• 学生对本课程的期望包括熟悉线性代数、单变量微积分和微分方程。

编程要求

• 建议您具有使用 MATLAB 或 Octave 编程的经验（我们将在本课程中使用 MATLAB）。
• 需要一台 64 位计算机。

您将培养的技能

• 类别： 交通规划
• 类别： 机器人
• 类别： 无人机
• 类别： MATLAB

机器人技术：计算运动规划

• 课程 2 • 11 小时 • 4.3 （1,034 个等级）

课程详情

学习内容

• 机器人系统通常由三个部分组成：可以向环境施加力和扭矩的机构、世界传感系统以及机器人的决策和行为控制系统。
• 在本课程中，我们将探讨机器人如何决定如何实现其目标的问题。
• 这个问题有时称为运动规划，它以不同的方式表述以模拟不同的情况。
• 您将学习解决此问题的几种常见方法，包括基于图形的方法、随机规划器和人工势场。
• 在课程中，我们将讨论使规划成为挑战的问题方面。

您将培养的技能

• 类别： Python 编程
• 类别： 机器人
• 类别： Raspberry Pi
• 类别： MATLAB

机器人技术：移动性

• 课程 3 • 19 小时 • 3.9 （603 评分）

课程详情

学习内容

• 机器人如何使用其电机和传感器在非结构化环境中移动？
• 您将了解如何设计机器人的身体和行为，以帮助身体形态激活物理力量，从而确保在复杂和动态的世界中实现可靠的移动性。
• 我们将开辟一种方法来组装简单的动态实例，这些实例部分自动化以创建复杂的传感器电机程序。
• 将涵盖的具体主题包括：动物和机器人的移动性、腿式机器的运动学和动力学，以及使用能源景观的动态行为设计。

您将培养的技能

• 类别： 微粒过滤器
• 类别： 评估
• 类别： 测绘

机器人：传感

• 课程 4 • 33 小时 • 4.3 （653 个等级）

课程详情

学习内容

• 机器人如何感知世界及其运动，以便执行导航和操作任务？
• 在本模块中，我们将探讨安装在机器人上的摄像头接收到的图像和视频如何转换为特征和光流等表示形式。
• 这些二维表示使我们能够提取有关相机位置和机器人运动方向的三维信息。
• 了解对象感知如何借助 3D 对象对齐 通过视觉测听和基于符号的检测完成计算和导航。

您将培养的技能

• 类别： 计算机视觉
• 类别： 评估
• 类别： 随机标本 （RANSAC）
• 类别： 几何

机器人技术：评估和学习

• 课程 5 • 15 小时 • 4.3 （504 个等级）

课程详情

学习内容

• 机器人如何根据嘈杂的传感器测量来确定其状况和周围环境的特征？
• 在本模块中，您将学习如何让机器人将不确定性纳入评估，并从动态和不断变化的世界中学习。
• 将涵盖的具体主题包括概率生成模型、用于位置查找的贝叶斯滤波和映射。

您将培养的技能

• 类别： 交通规划
• 类别： 规划与自动化
• 类别： 算法 A*
• 类别： MATLAB

机器人技术：最终项目

• 课程 6 • 26 小时 • 4.6 （114 评分）

课程详情

学习内容

• 在我们的机器人技术最终项目中，我们将为您提供机会，根据您在机器人学专业课程中学到的内容，将解决方案应用于实际问题。
• 它还将使您有机会使用研究人员在机器人实验室中使用的数学和编程方法。
• 您将从两个轨道中进行选择：
• 在仿真轨道中，您将使用 MATLAB 仿真倒置的移动钟摆。此最终课程所需的材料基于移动性、空中机器人和评估课程。
• 在硬件方面，您需要购买并组装机器人套件、Raspberry Pi、Pi 摄像头和 IMU，以使您的机器人能够自主导航周围环境。
• 动手编程经验将表明您已经掌握了机器人运动、设计和传感的基础知识，并且能够将它们转化为实际问题的各种实际应用。
• 完成该项目将更好地为您进入机器人领域以及机器人技术正在改变任何行业面貌的越来越多的其他职业道路做好准备。

请参阅下面的课程，了解每个课程的每周细分。

1 周

• 前言
• MIP 专题：使用 MATLAB 进行动态仿真
• AR Track：购买 Dijkstra 套件
• 测试：A1.2 ODE 与 MATLAB 的集成
• 编程任务：Python 中的 B1.3 Dijkstra 算法

第 2 周

• MIP 专题：二阶系统的 PD 控制
• AR 路线：Rover Railway
• 检测方法：A2.2 PD 追踪
• 测试：B2.10 完成的漫游车显示

第 3 周

• MIP 途径：使用 EKF 从 IMU 获取标量方向
• AR 轨道：校准
• 测试：用于 Scaller 位置评估的 A3.2 EKF
• 测试：B3.8 校准

第 4 周

• MIP 途径：移动摆 （MIP） 模型
• AR Track：漫游者控制器设计
• 测试：A4.2 MIP 动态仿真
• 同伴评估任务：B4.2 对跟踪标签的算法进行编程

第 5 周

• MIP 通路：局部 MIP 线性化和线性控制
• AR 专题：用于情况评估的扩展卡尔曼筛选
• 测试：A5.2 MIP 平衡控制
• 同行评估任务：B5.2 用于情境评估的扩展卡尔曼筛选

第 6 周

• MIP 方向：根据 MIP 的反馈规划搬迁
• AR Track：集成
• 测试：MIP 的 A6.2 隔音控制和设计
• 同行评估作业：B6.2 完成您的自主漫游车

您将培养的技能

• 类别： 串行线路 Internet 协议 （SLIP）
• 类别： 机器人
• 类别： 机器人
• 类别： MATLAB