1. Modulverzeichnis (MTS)
  2. Module
  3. Modulbeschreibung anzeigen

Zustandsschätzung für die Robotik

Zur Modulseite PDF generieren

#41018 / #2

Seit SoSe 2025

Deutsch, Englisch

State Estimation for Robotics
Zustandsschätzung für die Robotik

6

Gallego, Guillermo

Benotet

Portfolioprüfung

Englisch

Zugehörigkeit


Fakultät IV

Institut für Technische Informatik und Mikroelektronik

34342000 FG Robotic Interactive Perception

Keine Angabe

Kontakt


MAR 5-5

Keine Angabe

guillermo.gallego@tu-berlin.de

https://www.digital-future.berlin/en/about-us/professors/prof-dr-guillermo-gallego/

Lernergebnisse

Die Teilnehmer lernen theoretische Grundlagen und relevante Algorithmen kennen, die auf dem Gebiet der Zustandsschätzung für die Robotik entwickelt wurden. Die Zustandsschätzung ist der Schlüssel zur Bestimmung unbekannter Variablen in dynamischen Systemen. In der Robotik ist es von entscheidender Bedeutung, den Zustand eines Roboters (eine Reihe von Größen wie Position, Orientierung und Geschwindigkeit) zu bestimmen, da er, sobald er bekannt ist, die Bewegung des Roboters über die Zeit vollständig beschreibt. Sie wird oft eng mit der Bayes'schen Filterung und ihrer Anwendung auf SLAM (Simultaneous Localization and Mapping) in Verbindung gebracht. Nach Abschluss des Moduls haben die Teilnehmer einen Überblick über das Gebiet der Zustandsschätzung und deren Werkzeuge. Die Teilnehmer werden in der Lage sein, Robotiksysteme für SLAM, Ego-Motion/Lageschätzung und Sensorfusion zu verstehen. Sie werden in der Lage sein, die wichtigsten Leistungskennzahlen, Anwendungen, Vor- und Nachteile der Methoden zu identifizieren, um das beste Werkzeug für die jeweilige Aufgabe auszuwählen.

Lehrinhalte

Dieser Kurs folgt dem Buch „State Estimation for Robotics“ von Timothy Barfoot, Cambridge University Press (online verfügbar, folgen Sie dem Link unten für eine Inhaltsübersicht). Wie das Buch hat auch der Kurs einen beträchtlichen mathematischen Anteil. Zu den behandelten Themen gehören: Optimierung, kleinste Quadrate, linear-gaußsche Schätzung, nichtlineare nicht-gaußsche Schätzung, Unsicherheitsfortpflanzung, Bayes'sche Filterung, Kalman-Filterung (KF), erweiterte KF, Partikelfilter, rekursive Schätzung, Zustandsparametrisierung, simultane Lokalisierung und Kartierung (SLAM) und zeitkontinuierliche Schätzung. Der Kurs bietet Details zur Anpassung allgemeiner Schätzergebnisse an Roboter, die im dreidimensionalen Raum operieren, wobei der Matrix-Lie-Gruppen-Ansatz zur Behandlung von Rotationen und Posen empfohlen wird. Für den interessierten Leser wird in Abschnitt 1.1 von Barfoot's Buch eine einseitige Zusammenfassung der Geschichte der Schätzung gegeben.

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWS ISIS VVZ
State Estimation for RoboticsVL3434 L 10774WiSeen6
ISIS-Kurssuche nach Veranstaltungen des Moduls

Arbeitsaufwand und Leistungspunkte

State Estimation for Robotics (VL):

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit15.06.0h90.0h
Vor-/Nachbereitung15.06.0h90.0h
180.0h(~6 LP)
Der Aufwand des Moduls summiert sich zu 180.0 Stunden. Damit umfasst das Modul 6 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

In den Vorlesungen werden die Themen (Konzepte und Algorithmen) aus theoretischer Sicht vorgestellt, wobei die zugrunde liegenden Prinzipien und die verwendeten mathematischen Werkzeuge hervorgehoben werden. Die Teilnahme/Interaktion ist erwünscht und wird erwartet, einschließlich der Möglichkeit von Leseaufträgen. Von den Teilnehmern wird erwartet, dass sie die Themen nach dem Unterricht zur Vorbereitung auf die Übungen wiederholen. Die Übungen sind sowohl theoretischer als auch praktischer Natur. Die theoretischen Übungen bestehen aus mathematischen Problemlösungen, um das Wissen über die Methoden zu vertiefen. Die praktischen Übungen bestehen aus der teilweisen Implementierung (in Software) der vorgestellten Algorithmen. Diese bieten den Teilnehmern die Möglichkeit, praktische Einblicke in die Technik der Zustandsschätzung zu erhalten.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Neugierde, etwas Neues zu lernen und einen guten mathematischen Hintergrund zu haben. Kenntnisse in linearer Algebra, Infinitesimalrechnung, Wahrscheinlichkeitstheorie und Computerprogrammierung werden dringend empfohlen. Kenntnisse in Robotik und Maschinellem Sehen sind von Vorteil.

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

Benotung

Benotet

Prüfungsform

Portfolioprüfung

Art der Portfolioprüfung

100 Punkte insgesamt

Sprache(n)

Englisch

Prüfungselemente

NamePunkteKategorieDauer/Umfang
(Punktuelle Leistungsabfrage) Schriftliche Prüfung (Abschlussprüfung)40schriftlich60 Minuten
(Punktuelle Leistungsabfrage) Schriftliche Prüfung (Zwischenprüfung)30schriftlich60 Minuten
(Ergebnisprüfung) Praktische Übungen30praktisch4-6 Seiten, source code.

Notenschlüssel

Notenschlüssel »Notenschlüssel 1: Fak IV (1)«

Gesamtpunktzahl1.01.31.72.02.32.73.03.33.74.0
100.0pt86.0pt82.0pt78.0pt74.0pt70.0pt66.0pt62.0pt58.0pt54.0pt50.0pt

Prüfungsbeschreibung (Abschluss des Moduls)

Die Prüfungen bestehen aus Multiple-Choice-Fragen sowie aus Aufgaben, bei denen die Antwort in schriftlicher Form (mit Sätzen und Mathematik) ausgearbeitet werden muss. Es gibt etwa 3-4 praktische Übungen pro Semester. Die Studierenden reichen die Antworten zu den Aufgaben in Form von kleinen Berichten von 4-6 Seiten ein, die den zur Lösung verwendeten Programmcode enthalten.

Dauer des Moduls

Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt:
1 Semester.

Dieses Modul kann in folgenden Semestern begonnen werden:
Wintersemester.

Maximale teilnehmende Personen

Die maximale Teilnehmerzahl beträgt 30.

Anmeldeformalitäten

Bei Fragen zu diesem Modul wenden Sie sich bitte an Prof. Gallego guillermo.gallego@tu-berlin.de

Literaturhinweise, Skripte

Skript in Papierform

Verfügbarkeit:  nicht verfügbar

 

Skript in elektronischer Form

Verfügbarkeit:  nicht verfügbar

 

Literatur

Empfohlene Literatur
“State Estimation for Robotics”, by Timothy Barfoot, Cambridge University Press. Available online: http://asrl.utias.utoronto.ca/~tdb/bib/barfoot_ser24.pdf and http://asrl.utias.utoronto.ca/~tdb/bib/barfoot_ser17.pdf
“Robotics, Vision and Control”, by Peter Corke, 3rd Ed, Springer Tracts in Advanced Robotics.

Zugeordnete Studiengänge


Diese Modulversion wird in folgenden Studiengängen verwendet:

Studiengang / StuPOStuPOsVerwendungenErste VerwendungLetzte Verwendung
Computational Engineering Science (Informationstechnik im Maschinenwesen) (M. Sc.)11SoSe 2025SoSe 2025
Computer Engineering (M. Sc.)14SoSe 2025SoSe 2025
Computer Science (Informatik) (M. Sc.)12SoSe 2025SoSe 2025
Elektrotechnik (M. Sc.)13SoSe 2025SoSe 2025

Sonstiges

Keine Angabe