Vorlesung:

Der Kurs lehrt den Student/Innen die grundlegenden Konzepte und Techniken aus dem Forschungsgebiet der Mobilen Roboter. Im Zuge der Vorlesungen werden die Herausforderungen, welche sich bei der Navigation mit einem Fahrzeug ergeben, analysiert und aktuelle "State of the Art" Lösungen präsentiert. Während die dabei präsentierten Techniken universal einsetzbar sind, fokussiert sich der Kurs jedoch auf Fahrzeuge. Dabei werden folgende Themen besprochen:

• Sensormodelle (2D - Laserscanner)
• Bewegungsmodelle (Differentialantrieb) 
• Positionsbestimmung (Partikelfilter und Kalmanfilter)
• SLAM (Simultanious Localization and Mapping)
• Pfadplanung

Übung:

Stage, eine 2D Simulation (http://wiki.ros.org/stage), und ROS (http://wiki.ros.org) werden verwendet, um den Student/Innen ein simuliertes Fahrzeug mit einem Laserscanner als Sensor zur Verfügung zu stellen. Nachdem die Student/Innen sich in der ersten Übung mit der Programmierumgebung vertraut gemacht und ein einfaches "behaviour" - nämlich einen Wanderer - implementiert haben, wird in den darauf folgenden Übungen schrittweise eine Selbstlokalisierung mit graphischem Userinterface implementiert. In der letzten Übungsabgabe gibt es eine "Open Challenge", in der die Student/Innen Ihren Code frei (nach Absprache) erweitern dürfen und/oder diesen an einem realen Roboter testen können.

Arbeitsumgebung:

Linux (Ubuntu 16.04), ROS, C++

Es wird eine Virtual Box mit der Programmierumgebung zur Verfügung gestellt, aber eine "root" Installation wird empfohlen.

Im Anschluss an den ersten beiden Vorlesungen gibt es die Möglichkeit Probleme mit der Übungsumgebung abzuklären. Versuchen Sie daher bereits vorab die Übungsumgebung zu installieren. Die Beschreibung dazu finden Sie im TUWEL-Kurs.

• Behaviour Based Robotics (Breitenberg Vehicles)
• Sensoren (Laserscanner)
• Bewegungsmodell (Differentialdrive)
• Kartenerstellung, -verwaltung und -darstellung
• Selbstlokalisation:
  - Diskreter Filter
  - Partikel Filter
  - Kalman Filter
• SLAM:
  - Fast-SLAM
  - Kalman based SLAM
• Pfadplanung:
  - Lokale Planung (DWA, ...)
  - Globale Planung (A*)

Aufwandsabschätzung (ECTS Breakdown): 112,5 Stunden = 4,5 ECTS

• Anwesenheit Vorlesung  + Test (20 Stunden)
• Übungsabgaben (80 Stunden)
• Testvorbereitung (12,5 Stunden)

Video: Particle filter for self-localization in a stage enviroment

Screenshot eines implementiren Partiklefitlers und der Simulation aus der Übung.

Probabilistic Robotics (2005)
Sebastian Thrun, Wolfram Burgard, Dieter Fox

LVA: Introduction to Mobile Robotics (2014)
http://ais.informatik.uni-freiburg.de/teaching/ss14/robotics/
Wolfram Burgard, Maren Bennewitz, Gian Diego Tipaldi, Luciano Spinello

Introduction to Autonomous Mobile Robots (2011)
Roland Siegwart, Illah Reza Nourbakhsh, Davide Scaramuzza

Principles of Robot Motion: Theory, Algorithms, and Implementations (2005)
Howie Choset, Kevin M. Lynch, Seth Hutchinson, George A. Kantor, Wolfram Burgard, Lydia E. Kavraki and Sebastian Thrun