Autonoma farkoster - planering, reglering och lärande system

Mål

Att ge en teoretisk, teknisk och praktisk grund för hur planering och reglering för autonoma farkoster kan realiseras i komplexa scenarier. Det övergripande målet är förståelse för hur metoder från olika fält kan samverka och integreras för att tillämpas på autonoma farkoster.

Efter genomförd kurs skall studenten kunna förstå, implementera, och/eller använda metoder för

• diskret och kontinuerlig planering för autonoma farkoster, med och utan rörelsemodeller
• reglering av autonoma farkoster
• lärande system för autonoma system

Innehåll

• Introduktion till autonoma system och farkoster; identifiering av möjligheter och svårigheter.
• Vanliga systemarkitekturer för autonomt beslutsfattande, maskininlärning, planering och reglering.
• Dynamiska modeller för planering och styrning av autonoma farkoster.
• Grundläggande planeringsalgoritmer i grafer och träd för rörelser hos enkla robotar.
• Avancerade algoritmer för rörelseplanering för icke-holonoma farkoster beskrivna av dynamiska rörelseekvationer med differentiella bivillkor.
• Introduktion till och användande av metoder för lokalisering och kartering för autonoma farkoster.
• Reglering av autonoma farkoster; vägföljning, modell-prediktiv reglering (MPC) och reglering av banhastighet.
• Lärande system inom autonoma farkoster: reinforcement learning, maskininlärning medelst djupa neurala nätverk och Markov-beslutsprocesser (MDP).
• Samarbetande autonoma farkoster, inklusive markfordon och flygande farkoster, samt erforderlig kommunikation.