توضیحات
دوره Autonomous Drone Fleets: Decision-Making Under Uncertainty. این دوره آموزشی یک برنامه پیشرفته و تخصصی است که به مهندسان رباتیک و شبیه‌سازی نحوه ساخت لایه تصمیم‌گیری برای ناوگان پهپادها در شرایط عدم قطعیت را آموزش می‌دهد. این دوره یک برنامه تخصصی و دانشگاهی است که به بررسی چالش‌های تصمیم‌گیری برای پهپادها در محیط‌های نامطمئن می‌پردازد. در این دوره، فراگیران به جای استفاده از الگوهای از پیش تعیین‌شده و اسکریپت‌شده، یاد می‌گیرند که چگونه یک سیستم هوشمند برای ناوگان پهپادها طراحی کنند. این دوره شامل ساخت مدل‌های آتش‌سوزی جنگل با در نظر گرفتن وزش باد، دود مسدودکننده حسگرها و مناطق کور ارتباطی است. شرکت‌کنندگان در طول این برنامه آموزشی با مفاهیمی نظیر درخت‌های رفتار (Behavior Trees)، نقشه‌های باور (Belief Maps)، الگوریتم‌های جستجوی مبتنی بر تئوری اطلاعات، برنامه‌ریزی STRIPS و مسیریابی آگاه از ریسک آشنا می‌شوند. همچنین مباحث پیشرفته‌ای مانند ارزش انتظاری، ممیزی اجرای برنامه‌ها و مکانیسم‌های حراج مبتنی بر بازار برای مدیریت ناوگان چندپهپادی مورد بحث و بررسی قرار می‌گیرد تا سیستم بتواند در شرایط از دست رفتن ارتباط یا سقوط یک پهپاد به کار خود ادامه دهد. این دوره به صورت کاملاً عملی و مبتنی بر شبیه‌سازی ارائه می‌شود.
آنچه فرا خواهید گرفت
- ساخت یک سناریوی آتش‌سوزی جنگل قابل بازتولید با قابلیت شبیه‌سازی وزش باد، دود و مناطق کور ارتباطی (Comms Dead Zones)
- جایگزینی لیست نقاط مسیر (Waypoint List) با اهداف منطقی و مدیریت آن‌ها با استفاده از درخت رفتار (Behavior Tree)
- ساخت نقشه باور شبکه اشغال (Occupancy-Grid Belief Map) با قابلیت زوال اعتماد برای استدلال درباره نقاط بررسی‌نشده
- نوشتن یک جستجوگر مبتنی بر کسب اطلاعات (Information-Gain Searcher) و ارزیابی آن در برابر پوشش کور
- پیاده‌سازی یک برنامه‌ریز جستجوی رو به جلوی STRIPS از صفر به همراه اکتشافات (Heuristics)
- ساخت مسیریاب آگاه از ریسک (Risk-Aware Router) که فاصله را با ایمنی در گراف مبادله می‌کند
- استخراج قانون تصمیم‌گیری از ارزش انتظاری و تابع مطلوبیت سفارشی
- ساخت ممیز اجرا (Execution Monitor) برای تشخیص خرابی فرضیات و تصمیم‌سازی درباره ترمیم یا برنامه‌ریزی مجدد (Replanning)
- طراحی حراج مبتنی بر بازار (Market-Based Auction) برای مدیریت تخصیص وظایف ناوگان چندپهپادی و پایداری در برابر از دست رفتن پرنده
- اجرای ارزیابی پایانی (Capstone Evaluation) با دویست دانه (Seeds) آماری جفت‌شده و دفاع از نقاط ضعف ارزیابی
این دوره مناسب افرادیست که
- مهندسان رباتیک که نیاز به ساخت لایه تصمیم‌گیری پهپاد به جای پشته پرواز دارند
- مهندسان شبیه‌سازی که خواستار یک پروژه اندازه‌گیری‌شده و از صفر در زمینه برنامه‌ریزی تحت عدم قطعیت هستند
- دانشجویان و پژوهشگرانی که به یک بستر آزمایشی خودکار چندعاملی با معیارهای منصفانه نیاز دارند
- مهندسانی که دوره پهپاد اسکریپت‌شده را گذرانده‌اند و می‌خواهند ساختار یک سیستم تصمیم‌گیرنده را بشناسند
- افرادی که می‌خواهند ارزیابی‌های شبیه‌سازی‌شده و نقاط ضعف آن را به صورت منطقی بررسی کنند
مشخصات دوره Autonomous Drone Fleets: Decision-Making Under Uncertainty
- ناشر: Udemy
- مدرس: Frank Robotics Lab
- سطح آموزش: مبتدی تا پیشرفته
- مدت زمان آموزش: 7 ساعت و 59 دقیقه
- تعداد دروس: 80
سرفصل های دوره
پیشنیازهای دوره Autonomous Drone Fleets: Decision-Making Under Uncertainty
- Comfortable Python: functions, classes, basic use of numpy
- Basic probability: what a probability distribution is, what an expected value is
- Some prior experience with ROS 2 and a flight simulator such as Gazebo or ArduPilot SITL
- No real drone hardware required: everything in this course runs in simulation
- This is a graduate-level course about decision making, not a first course about drones
تصاویر دوره
نمونه فیلم دوره
راهنمای نصب
پس از Extract، با Player دلخواه خود مشاهده کنید.
زیرنویس: ندارد
کیفیت: 1080p
لینک دانلود
گذرواژه فایل(ها): www.downloadly.ir
حجم فایل
10.3 گیگابایت
