Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage alle Hardware- und Softwarekenntnisse zu beherrschen, die für den Bau eines vollständig autonomen Rennwagens erforderlich sind. Dazu gehören die Steuerungshardware (z.B. RBG-Tiefenkamera, LIDAR, elektronischer Geschwindigkeitsregler, WIFI-Steuerung, Sensor und Leistungsplatine, einzelne 5000mAH-Lipo-Batterie, Sensorchassis, NVIDIA Jetson TX2 GPGPU-Computerplattform) und der Software-Stack (z.B. ROS, F1/10-Simulator, AV-Mapping und -Lokalisierung, AV-Planung, Lernen und Vision).
Ziel dieses Kurses ist es, den Studenten eine aktuelle Grundlage in den Technologien zu vermitteln, die an selbstfahrenden Autos und allgemein an mobilen autonomen Systemen eingesetzt und getestet werden.
Dieser praktische, laborzentrierte Kurs richtet sich an Master-Studenten, die sich für die Bereiche künstliche Wahrnehmung, Bewegungsplanung, Steuerungstheorie und angewandtes maschinelles Lernen interessieren. Er richtet sich auch an Studierende, die sich für das aufstrebende Gebiet des autonomen Fahrens interessieren. Dieser Kurs macht die Studenten mit der Hardware, Software und den Algorithmen vertraut, die beim Bau und beim Rennen eines autonomen Rennwagens zum Einsatz kommen. Jede Woche nehmen die Studenten an zwei Vorlesungen teil und absolvieren ein umfangreiches praktisches Labor. Bis Woche 6 werden die Studenten einen autonomen Rennwagen im Maßstab 1:10 gebaut, programmiert und gefahren haben. Bis Woche 10 werden die Studenten grundlegende Prinzipien der Wahrnehmung, Planung und Kontrolle gelernt haben und mit kartenbasierten Ansätzen Rennen fahren. In den letzten 6 Wochen entwickeln und implementieren sie fortgeschrittene Rennstrategien, Computer-Vision und Algorithmen des maschinellen Lernens, die ihrem Team einen Vorsprung in dem Rennen verschaffen, das den Kurs abschließt.
Der Kurs besteht aus fünf aufeinander aufbauenden Lernmodulen, die drei Bewertungsrennen umfassen:
Wochen-/Sitzungsplan:
Wöchentliche Vorlesung mit kontinuierlich begleitenden Laboraufgaben, die das Verständnis der Modulinhalte vertiefen und die individuelle Problemlösungskompetenz in autonomen Rennwagen erhöhen. Vorlesung und Labor: 2 x 3 Stunden/Woche. Dienstag und Donnerstag 9-12 Uhr, CPS-Bibliothek.
Schauen Sie bitte auch hier und hier nach.
Bewertung der Kurse: Die Endnote wird wie folgt berechnet
Kursbewertung:
Ein Labor dauert normalerweise eine Woche, sofern nicht anders angegeben. Es wird an der ersten Vorlesung der Woche zugewiesen und ist vor der ersten Vorlesung der folgenden Woche fällig. Wir werden alle eingereichten Lösungen vor der Vorlesung herunterladen. Wir werden auch den Lösungscode gleichzeitig mit dem Download Ihrer Einreichungen freigeben, so dass es wirklich keinen Platz für verspätete Einreichungen gibt. Sie werden die freigegebenen Lösungen, die im Folgenden als Referenzimplementierung bezeichnet werden, in den folgenden Laboratorien verwenden. Auf diese Weise beginnt jeder jedes Labor mit dem gleichen Basiscode, von dem wir wissen, dass er gut funktioniert.
Die wichtigste technische Voraussetzung sind gute Programmierkenntnisse in C++ und Python. Sie werden in beiden Sprachen programmieren oder Code lesen. Python ist leicht zu erlernen, wenn Sie es nicht bereits kennen, aber Sie müssen das in Ihrer eigenen Zeit tun. Sie benötigen auch Kenntnisse über Frequenztransformationskonzepte (z.B. Fourier oder Laplace), grundlegende Matrixalgebra und Differentialgleichungen.