Prof. Dr. Wolfram Burgard
Blended learning inkl. tutorieller Betreuung (Vorlesung mit Übung)
Unregelmäßig
Englisch
Eines von mehreren zu belegenden Wahlpflichtmodulen in der Vertiefungsrichtung Algorithmik.
Grundlagen der Entscheidungstheorie (Entscheidungen bei Unsicherheit), Grundlagen der KI, Robotik, Maschinelles Lernen, Planung
Im Rahmen des Studiengangs IEMS:
Studierende sind in der Lage Software für Roboter zu entwerfen, so dass diese unter Unsicherheit Entscheidungen anhand einer Wahrscheinlichkeitsverteilung basierend auf den Sensordaten treffen, anstatt eine einfache „first-best“ Strategie zu verwenden.
Studierende kennen die dafür notwendigen Konzepte der Datenverarbeitung und können diese anwenden. Sie sind in der Lage durch Störungen veränderte Signale korrekt zu analysieren und davon ausgehend aufgrund einer Wahrscheinlichkeitsverteilung eine Entscheidung zu treffen.
Die Studierenden sind in der Lage, Systeme für die Modellierung, Lokalisierung, Planung, Interaktion sowie Kooperation zwischen Robotern und für solche zu entwerfen und zu implementieren.
Probabilistic Robotics ist ein neues und wachsendes Gebiet der Robotik, welches sich mit der Wahrnehmung und Steuerung unter Unsicherheit beschäftigt. Auf der Grundlage mathematischer Methoden der Statistik werden moderne Filterverfahren wie der Rekursive Bayes’sche Filter und Kalman-Filter einschließlich ihrer Varianten vorgestellt und ihre Eigenschaften diskutiert. Darüber hinaus werden Anwendungen dieser Filterverfahren im Bereich der Zustandsschätzung dynamischer Systeme vorgestellt. Desweiteren werden entscheidungstheoretische Verfahren für die Steuerung dynamischer Systeme einschließlich effizienter Vereinfachungen behandelt.
mündlich oder schriftlich
