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.
Offert par
Spécialisation RobotiqueUniversité de PennsylvanieÀ propos de ce cours
14,518 consultations récentes
Résultats de carrière des étudiants
40%
ont commencé une nouvelle carrière après avoir terminé ce cours
43%
ont bénéficié d'un avantage concret dans leur carrières grâce à ce cours
20%
a obtenu une augmentation de salaire ou une promotion
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 5 sur 6 dans le
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Approx. 15 heures pour terminer
Anglais
Sous-titres : Anglais, Espagnol, Chinois (simplifié)
Compétences que vous acquerrez
Particle FilterEstimationMapping
Résultats de carrière des étudiants
40%
ont commencé une nouvelle carrière après avoir terminé ce cours
43%
ont bénéficié d'un avantage concret dans leur carrières grâce à ce cours
20%
a obtenu une augmentation de salaire ou une promotion
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 5 sur 6 dans le
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Approx. 15 heures pour terminer
Anglais
Sous-titres : Anglais, Espagnol, Chinois (simplifié)
Offert par
Université de Pennsylvanie
The University of Pennsylvania (commonly referred to as Penn) is a private university, located in Philadelphia, Pennsylvania, United States. A member of the Ivy League, Penn is the fourth-oldest institution of higher education in the United States, and considers itself to be the first university in the United States with both undergraduate and graduate studies.
Programme du cours : ce que vous apprendrez dans ce cours
4 heures pour terminer
Gaussian Model Learning
We will learn about the Gaussian distribution for parametric modeling in robotics. The Gaussian distribution is the most widely used continuous distribution and provides a useful way to estimate uncertainty and predict in the world. We will start by discussing the one-dimensional Gaussian distribution, and then move on to the multivariate Gaussian distribution. Finally, we will extend the concept to models that use Mixtures of Gaussians.
4 heures pour terminer
9 vidéos (Total 52 min), 3 lectures, 1 quiz
9 vidéos
Course Introduction3 min
WEEK 1 Introduction1 min
1.2.1. 1D Gaussian Distribution8 min
1.2.2. Maximum Likelihood Estimate (MLE)6 min
1.3.1. Multivariate Gaussian Distribution7 min
1.3.2. MLE of Multivariate Gaussian4 min
1.4.1. Gaussian Mixture Model (GMM)4 min
1.4.2. GMM Parameter Estimation via EM7 min
1.4.3. Expectation-Maximization (EM)6 min
3 lectures
MATLAB Tutorial - Getting Started with MATLAB10 min
Setting Up your MATLAB Environment10 min
Basic Probability10 min
3 heures pour terminer
Bayesian Estimation - Target Tracking
We will learn about the Gaussian distribution for tracking a dynamical system. We will start by discussing the dynamical systems and their impact on probability distributions. This linear Kalman filter system will be described in detail, and, in addition, non-linear filtering systems will be explored.
3 heures pour terminer
5 vidéos (Total 21 min)
5 vidéos
WEEK 2 Introduction1 min
Kalman Filter Motivation4 min
System and Measurement Models5 min
Maximum-A-Posterior Estimation4 min
Extended Kalman Filter and Unscented Kalman Filter4 min
4 heures pour terminer
Mapping
We will learn about robotic mapping. Specifically, our goal of this week is to understand a mapping algorithm called Occupancy Grid Mapping based on range measurements. Later in the week, we introduce 3D mapping as well.
4 heures pour terminer
6 vidéos (Total 36 min)
6 vidéos
WEEK 3 Introduction1 min
Introduction to Mapping7 min
3.2.1. Occupancy Grid Map6 min
3.2.2. Log-odd Update6 min
3.2.3. Handling Range Sensor6 min
Introduction to 3D Mapping8 min
3 heures pour terminer
Bayesian Estimation - Localization
We will learn about robotic localization. Specifically, our goal of this week is to understand a how range measurements, coupled with odometer readings, can place a robot on a map. Later in the week, we introduce 3D localization as well.
3 heures pour terminer
6 vidéos (Total 23 min)
6 vidéos
WEEK 4 Introduction1 min
Odometry Modeling5 min
Map Registration5 min
Particle Filter4 min
Iterative Closest Point5 min
Closing45s
Avis
Meilleurs avis pour ROBOTICS: ESTIMATION AND LEARNING
par SS6 avr. 2017
Leanring of mechanism and implementation of Kalman filter and particle filter from experiment is very interesting for me. And these method let me know more about map building in SLAM framework.
par SJ6 août 2016
Lesson 1 and Lesson 3 are clear. However, homework in Lesson 2 and Lesson 4 is hard to finish because of too few materials in the lesson. Overall, it is a fairly good course.
par VG15 févr. 2017
The material is clearly presented. The Matlab exercises complement and reinforce the subject, the level of difficulty is well balanced, thanks for this great course.
par NN19 juin 2016
This is course is really helpful for beginners to understand how probability is useful in Robotics.Assignments are bit tough but worth the time .
À propos du Spécialisation Robotique
The Introduction to Robotics Specialization introduces you to the concepts of robot flight and movement, how robots perceive their environment, and how they adjust their movements to avoid obstacles, navigate difficult terrains and accomplish complex tasks such as construction and disaster recovery. You will be exposed to real world examples of how robots have been applied in disaster situations, how they have made advances in human health care and what their future capabilities will be. The courses build towards a capstone in which you will learn how to program a robot to perform a variety of movements such as flying and grasping objects.
Foire Aux Questions
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
L’accès à des vidéos de cours et des devoirs dépend de votre type d’inscription. Si vous suivez un cours en mode auditeur libre, vous pourrez voir la plupart des contenus de cours gratuitement. Pour accéder aux devoirs notés et obtenir un certificat, vous devrez acheter une expérience de certificat, pendant ou après avoir assister au cours en tant qu’auditeur libre. Si vous ne visualisez pas l’option auditeur libre :
- Il est possible que le cours ne propose pas d’option auditeur libre. Vous pouvez en revanche accéder à un essai gratuit ou faire une demande d'aide financière.
- Le cours propose peut-être « Cours complet, aucun certificat » à la place. Cette option vous permet de voir tous les contenus de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cependant, vous ne pourrez pas acheter une expérience de certificat.
À quoi ai-je droit si je m'abonne à cette Spécialisation ?
Lorsque vous vous inscrivez au cours, vous bénéficiez d'un accès à tous les cours de la Spécialisation, et vous obtenez un Certificat lorsque vous avez réussi. Votre Certificat électronique est alors ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez seulement lire et visualiser le contenu du cours, vous pouvez accéder gratuitement au cours en tant qu'auditeur libre.
Quelle est la politique de remboursement ?
Si vous vous abonnez, vous bénéficiez d'une période d'essai gratuite de 7 jours, durant laquelle vous pouvez annuler votre abonnement sans pénalité. Ensuite, nous n'accordons plus de remboursements, mais vous pouvez annuler votre abonnement à tout instant. Consultez notre politique de remboursement complète.
Une aide financière est-elle possible ?
Oui, Coursera offre une Aide Financière aux étudiants qui n'ont pas les moyens d'acquitter les frais. Demandez-la en cliquant sur le lien Aide Financière sous le bouton S'inscrire situé à gauche. Vous devrez remplir un formulaire de demande et vous serez averti(e) si elle est acceptée. Vous devrez répéter cette procédure pour chaque cours de la Spécialisation, y compris pour le Projet Final. En savoir plus.
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.
