Zustandsschätzung für die RobotikModulbeschreibung #41018 / Version 2
- 6 LP
- Portfolioprüfung
- Benotet
- Wintersemester
- Englisch
| Modul / Version | #41018 / #2 |
|---|---|
| Gültigkeit | Seit SoSe 2025 |
| Verfügbare Sprache(n) | Englisch, Deutsch |
| Leistungspunkte | 6 |
| Modulverantwortliche*r | Gallego, Guillermo |
| Benotung | Benotet |
| Prüfungsform | Portfolioprüfung |
| Lehrsprache(n) | Englisch |
Zugehörigkeit
| Fakultät | Fakultät IV |
|---|---|
| Institut | Institut für Technische Informatik und Mikroelektronik |
| Fachgebiet | 34342000 FG Robotic Interactive Perception |
Kontakt
| Sekretariat | MAR 5-5 |
|---|---|
| Ansprechpartner*in | Keine Angabe |
| E-Mail-Adresse | guillermo.gallego@tu-berlin.de |
| Webseite | 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:
| Lehrveranstaltungen | Art | Nummer | Turnus | Sprache | SWS | VVZ |
|---|---|---|---|---|---|---|
| State Estimation for Robotics | Vorlesung | 3434 L 10774 | Wintersemester | [en] | 6 | WiSe 2026/27 (1) ISIS |
Veranstaltungen im Vorlesungsverzeichnis
Veranstaltungen, die aus den Lehrveranstaltungen dieses Moduls angelegt wurden.
WiSe 2026/27 (1)
State Estimation for Robotics (Vorlesung) 1
- State Estimation for Robotics (Vorlesung) Termingruppe 1 3434 L 10774
Arbeitsaufwand und Leistungspunkte
State Estimation for Robotics (Vorlesung)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 6 h | 90 h |
| Vor-/Nachbereitung | 15 | 6 h | 90 h |
| 180 h | |||
Der Aufwand des Moduls summiert sich zu 180 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.
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.
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 | Englisch |
Prüfungselemente
| Name | Punkte/Gewicht | Kategorie | Dauer/Umfang |
|---|---|---|---|
| (Punktuelle Leistungsabfrage) Schriftliche Prüfung (Abschlussprüfung) | 40 | schriftlich | 60 Minuten |
| (Punktuelle Leistungsabfrage) Schriftliche Prüfung (Zwischenprüfung) | 30 | schriftlich | 60 Minuten |
| (Ergebnisprüfung) Praktische Übungen | 30 | praktisch | 4-6 Seiten, source code. |
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.
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
guillermo.gallego@tu-berlin.de
Literaturhinweise, Skripte
Skript in Papierform
nicht verfügbar
Skript in elektronischer Form
nicht verfügbar
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 / StuPO | Semester | Studiengangsbereich |
|---|---|---|
| Computational Engineering Science (Informationstechnik im Maschinenwesen) StuPO 2018 (17.01.2018) | SoSe 2025 | 4. Profilbereich › 4.3 Profilbereich: Mechatronik |
| WiSe 2025/26 | 4. Profilbereich › 4.3 Profilbereich: Mechatronik | |
| SoSe 2026 | 4. Profilbereich › 4.3 Profilbereich: Mechatronik | |
| WiSe 2026/27 | 4. Profilbereich › 4.3 Profilbereich: Mechatronik | |
| Computer Engineering StuPO 2015 | SoSe 2025 | Wahlpflicht Studiengebiete Fak. IV › Automatisierungstechnik / Automation and Control |
| WiSe 2025/26 | Wahlpflicht Studiengebiet B › Kognitive Systeme / Cognitive Systems | |
| SoSe 2026 | Wahlpflicht Studiengebiet B › Kognitive Systeme / Cognitive Systems | |
| WiSe 2026/27 | Wahlpflichtbereich › Studiengebiet B › Kognitive Systeme / Cognitive Systems | |
| Computer Science (Informatik) StuPO 2015 | SoSe 2025 | Wahlpflicht Studiengebiete Fak. IV › Kognitive Systeme / Cognitive Systems |
| WiSe 2025/26 | Studiengebiete › Kognitive Systeme / Cognitive Systems | |
| SoSe 2026 | Studiengebiete › Kognitive Systeme / Cognitive Systems | |
| WiSe 2026/27 | Wahlpflichtbereich › Studiengebiet › Kognitive Systeme / Cognitive Systems | |
| Elektrotechnik StuPO 2015 | SoSe 2025 | Wahlpflicht Studiengebiete Fak. IV › Kognitive Systeme / Cognitive Systems |
| WiSe 2025/26 | Wahlpflicht Studiengebiete Fak. IV › Automatisierungstechnik / Automation and Control | |
| SoSe 2026 | Wahlpflicht Studiengebiet Automatisierungstechnik / Automation and Control › Wahlpflicht Automatisierungstechnik / Automation and Control | |
| WiSe 2026/27 | Wahlpflichtbereich › Studiengebiet › Automatisierungstechnik / Automation and Control › Wahlpflicht | |
| Wirtschaftsingenieurwesen StuPO 2026 | WiSe 2026/27 | Ingenieurwissenschaften / Studienrichtungen › AI Engineering › Cognitive Systems |
Sonstiges
Keine Angabe