أساسيات SLAM: كيف تبني الروبوتات خرائط للعالم وتحدد موقعها فيه

تحتاج الروبوتات والمركبات ذاتية القيادة إلى معرفة مكان وجودها وما يحيط بها، غالبًا بدون خريطة مسبقة للبيئة. حل هذه المشكلة الدجاجة والبيضة هو جوهر SLAM، Simultaneous Localization and Mapping. تقدم لك هذه الدورة مقدمة هادئة ومنظمة للمجال حتى تتمكن من قراءة أوراق SLAM، وتقييم المكدسات، والتفكير في سلوكها. ستتعلم ما يفعله SLAM، وما لا يمكنه فعله، وكيف تختلف المستشعرات والخوارزميات المختلفة في المقايضات. تظل الدورة متجذرة في المفاهيم المستخدمة على نطاق واسع وتشير إلى التطورات الحديثة التي تعيد تشكيل المجال. ما ستتعلمه: - فهم مشكلة SLAM ولماذا هي في الأساس تحدي تقدير مشترك - التعرف على أنماط المستشعرات الرئيسية المستخدمة في SLAM بما في ذلك LiDAR والكاميرات ومستشعرات العمق والوحدات الخاملة - استكشاف عائلات الخوارزميات الرئيسية بما في ذلك أساليب الترشيح والتحسين الحديث القائم على الرسم البياني - قراءة كيف يحول اكتشاف إغلاق الحلقة التقديرات المنحرفة إلى خرائط متسقة عالميًا - تحديد حدود SLAM بما في ذلك تغييرات البيئة وفشل المستشعرات والمشاهد الغامضة - فهم نقاط التكامل بين SLAM وتخطيط الحركة والسلوك الروبوتي عالي المستوى تبدأ الدورة بمشكلة SLAM نفسها، وتنتقل عبر المستشعرات والخوارزميات، وتختتم بالواقع التشغيلي لتشغيل SLAM على روبوتات حقيقية. تساعد التمارين الكتابية في ربط كل مفهوم بروبوت أو بيئة أو حالة استخدام محددة. تم تصميم هذه الدورة للمبتدئين تمامًا الذين ليس لديهم خلفية في الروبوتات أو SLAM، بما في ذلك طلاب علوم الكمبيوتر والمطورين الذين يستكشفون الروبوتات والمهندسين الذين يدخلون مجال الأنظمة ذاتية القيادة. لا توجد متطلبات مسبقة مطلوبة بخلاف الراحة العامة مع الرياضيات. تشرح الدورة كل مفهوم عند ظهوره وتركز على الفهم بدلاً من التنفيذ.