GERİ DÖN

Ders Öğretim Planı

Dersin Kodu Dersin Adı Dersin Türü Yıl Yarıyıl AKTS Kredi
BLG517 Olasılıksal Robotik Seçmeli Ders Grubu 1 1 6.00 3.00

Dersin Seviyesi

Yüksek Lisans

Dersin Sunulduğu Dil

Dersin Amacı

Bu derste, ROS (Robot Operating System) işletim sistemi üzerinde mobil robot kinematiği ve mobil robotlarda kullanılan olasılık tabanlı temel yöntemlerin öğrenilmesi ve uygulanması üzerine odaklanılmaktadır. Ayrıca, bir problemin bu yöntemlere uygunluğunun nasıl anlaşılacağı da ele alınmaktadır. Mobil robotik alanında konum belirleme ve haritalama ile ilgili temel problemler incelenmekte ve olasılık teorisine dayalı çözüm yöntemleri öğretilmektedir. Öğrenciler, mobil robotların hareketlerini ve konumlarını nasıl hesaplayacaklarını, haritalama sürecinde kullanılan olasılık tabanlı metotları nasıl uygulayacaklarını öğreneceklerdir.

Dersi Veren Öğretim GörevlisiGörevlileri

Öğrenme Çıktıları

1 Robotik sistemlerinde olasılıksal yöntemlerin temellerini anlayarak problemleri modelleme ve çözme yetisi kazanır.
2 Sensör verilerini işleyerek ortam modellemesi ve nesne tanıma konularında beceri edinir.
3 Hareket planlama ve kontrolünde olasılıksal algoritmaları kullanabilme yetisi geliştirilir.
4 Robotik sistemlerdeki belirsizlikleri ve hata toleransını yönetme becerisi edinir.
5 Gerçek dünya uygulamalarında olasılıksal robotik tekniklerini başarıyla kullanabilme yeteneği geliştirilir.

Öğrenim Türü

Birinci Öğretim

Dersin Ön Koşulu Olan Dersler

yok

Ders İçin Önerilen Diğer Hususlar

yok

Dersin İçeriği

Bu derste, ROS (Robot Operating System) işletim sistemi üzerinde mobil robot kinematiği ve mobil robotlarda kullanılan olasılık tabanlı temel yöntemlerin öğrenilmesi ve uygulanması üzerine odaklanılmaktadır. Ayrıca, bir problemin bu yöntemlere uygunluğunun nasıl anlaşılacağı da ele alınmaktadır. Mobil robotik alanında konum belirleme ve haritalama ile ilgili temel problemler incelenmekte ve olasılık teorisine dayalı çözüm yöntemleri öğretilmektedir. Öğrenciler, mobil robotların hareketlerini ve konumlarını nasıl hesaplayacaklarını, haritalama sürecinde kullanılan olasılık tabanlı metotları nasıl uygulayacaklarını öğreneceklerdir.

Haftalık Ayrıntılı Ders İçeriği

Hafta Teorik [OgretimYontemVeTeknikleri] [OnHazirlik]
1 Özyinelemeli Durum tahmini, Olasılıkta Temel Kavramlar, Robot – Çevre Etkileşimi
2 Özyinelemeli Durum tahmini, Olasılıkta Temel Kavramlar, Robot – Çevre Etkileşimi
3 Bayes Filtresi, Gauss Filtreleri giriş
4 Kalman Filtresi, Genişletilmiş Kalman Filtresi ve türevleri
5 Kalman Filtresi, Genişletilmiş Kalman Filtresi ve türevleri
6 Parametrik Olmayan Filtreler – Histogram Filtresi
7 Statik Durumlu Binary Bayes Filtresi, Parçacık Filtresi
8 Vize
9 Odometri Hareket Modeli,Robot Hareketi ve Haritalama
10 Robot Algılaması – Mesafe algılayıcı modelleri, Mesafe ölçerler için Benzerlik Alanları
11 Koralosyon tabanlı ve Özellik tabanlı ölçüm modelleri, Uygulamada Dikkat Edilecek Noktalar
12 Gezgin Robot Lokalizasyonu – Lokalizasyon Problemlerinin sınıflanması
13 Markov, EKF ve UKF Lokalizasyon Algoritmaları
14 SLAM Haritalama Algoritmaları

Ders Kitabı Malzemesi Önerilen Kaynaklar

yok

Planlanan Öğrenme Aktiviteleri ve Metodları

Değerlendirme

Yarıyıl (Yıl) İçi Etkinlikleri Adet Değer
Ara Sınav 1 100
Toplam 100
Yarıyıl (Yıl) Sonu Etkinlikleri Adet Değer
Final Sınavı 1 100
Toplam 100
Yarıyıl (Yıl) İçi Etkinlikleri 40
Yarıyıl (Yıl) Sonu Etkinlikleri 60

Staj Durumu

yok

İş Yükü Hesaplaması

Etkinlikler Sayısı Süresi (saat) Toplam İş Yükü (saat)
Ara Sınav 1 72 72
Final Sınavı 1 76 76
Ara Sınav İçin Bireysel Çalışma 1 1 1
Final Sınavı içiin Bireysel Çalışma 1 1 1
Toplam İş Yükü (saat) 150

Program ve Öğrenme Çıktıları İlişkisi

ÖÇ 1
ÖÇ 2
ÖÇ 3
ÖÇ 4
ÖÇ 5
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek