Über diesen Kurs
13,562

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Ca. 15 Stunden zum Abschließen

Empfohlen: 3 hours/week...

Englisch

Untertitel: Englisch, Spanisch

Kompetenzen, die Sie erwerben

Motion PlanningAutomated Planning And SchedulingA* Search AlgorithmMatlab

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Ca. 15 Stunden zum Abschließen

Empfohlen: 3 hours/week...

Englisch

Untertitel: Englisch, Spanisch

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche
1
4 Stunden zum Abschließen

Introduction and Graph-based Plan Methods

Welcome to Week 1! In this module, we will introduce the problem of planning routes through grids where the robot can only take on discrete positions. We can model these situations as graphs where the nodes correspond to the grid locations and the edges to routes between adjacent grid cells. We present a few algorithms that can be used to plan paths between a start node and a goal node including the breadth first search or grassfire algorithm, Dijkstra’s algorithm and the A Star procedure....
5 Videos (Gesamt 27 min), 4 Lektüren, 4 Quiz
5 Videos
1.2: Grassfire Algorithm6m
1.3: Dijkstra's Algorithm4m
1.4: A* Algorithm6m
Getting Started with the Programming Assignments3m
4 Lektüren
Computational Motion Planning Honor Code10m
Getting Started with MATLAB10m
Resources for Computational Motion Planning10m
Graded MATLAB Assignments10m
1 praktische Übung
Graph-based Planning Methods8m
Woche
2
2 Stunden zum Abschließen

Configuration Space

Welcome to Week 2! In this module, we begin by introducing the concept of configuration space which is a mathematical tool that we use to think about the set of positions that our robot can attain. We then discuss the notion of configuration space obstacles which are regions in configuration space that the robot cannot take on because of obstacles or other impediments. This formulation allows us to think about path planning problems in terms of constructing trajectories for a point through configuration space. We also describe a few approaches that can be used to discretize the continuous configuration space into graphs so that we can apply graph-based tools to solve our motion planning problems....
6 Videos (Gesamt 19 min), 3 Quiz
6 Videos
2.2: RR arm2m
2.3: Piano Mover’s Problem3m
2.4: Visibility Graph3m
2.5: Trapezoidal Decomposition1m
2.6: Collision Detection and Freespace Sampling Methods4m
1 praktische Übung
Configuration Space8m
Woche
3
1 Stunde zum Abschließen

Sampling-based Planning Methods

Welcome to Week 3! In this module, we introduce the concept of sample-based path planning techniques. These involve sampling points randomly in the configuration space and then forging collision free edges between neighboring sample points to form a graph that captures the structure of the robots configuration space. We will talk about Probabilistic Road Maps and Randomly Exploring Rapid Trees (RRTs) and their application to motion planning problems....
3 Videos (Gesamt 17 min), 2 Quiz
3 Videos
3.2: Issues with Probabilistic Road Maps4m
3.3: Introduction to Rapidly Exploring Random Trees6m
1 praktische Übung
Sampling-based Methods6m
Woche
4
1 Stunde zum Abschließen

Artificial Potential Field Methods

Welcome to Week 4, the last week of the course! Another approach to motion planning involves constructing artificial potential fields which are designed to attract the robot to the desired goal configuration and repel it from configuration space obstacles. The robot’s motion can then be guided by considering the gradient of this potential function. In this module we will illustrate these techniques in the context of a simple two dimensional configuration space....
4 Videos (Gesamt 19 min), 2 Quiz
4 Videos
4.2: Issues with Local Minima2m
4.3: Generalizing Potential Fields2m
4.4: Course Summary6m
1 praktische Übung
Artificial Potential Fields6m
4.2
191 BewertungenChevron Right

33%

ziehen Sie für Ihren Beruf greifbaren Nutzen aus diesem Kurs

Top-Bewertungen

von FCNov 28th 2018

The course was challenging, but fulfilling. Thank you Coursera and University of Pennsylvania for giving this wonderful experience and opportunity that I might not experience in our local community!

von ADJul 3rd 2018

The topic was very interesting, and the assignments weren't overly complicated. Overall, the lesson was fun and informative , despite the bugs in the learning tool(especially, the last assignment.)

Dozent

Avatar

CJ Taylor

Professor of Computer and Information Science
School of Engineering and Applied Science

Über University of Pennsylvania

The University of Pennsylvania (commonly referred to as Penn) is a private university, located in Philadelphia, Pennsylvania, United States. A member of the Ivy League, Penn is the fourth-oldest institution of higher education in the United States, and considers itself to be the first university in the United States with both undergraduate and graduate studies. ...

Über die Spezialisierung Robotik

The Introduction to Robotics Specialization introduces you to the concepts of robot flight and movement, how robots perceive their environment, and how they adjust their movements to avoid obstacles, navigate difficult terrains and accomplish complex tasks such as construction and disaster recovery. You will be exposed to real world examples of how robots have been applied in disaster situations, how they have made advances in human health care and what their future capabilities will be. The courses build towards a capstone in which you will learn how to program a robot to perform a variety of movements such as flying and grasping objects....
Robotik

Häufig gestellte Fragen

  • Sobald Sie sich für ein Zertifikat angemeldet haben, haben Sie Zugriff auf alle Videos, Quizspiele und Programmieraufgaben (falls zutreffend). Aufgaben, die von anderen Kursteilnehmern bewertet werden, können erst dann eingereicht und überprüft werden, wenn Ihr Unterricht begonnen hat. Wenn Sie sich den Kurs anschauen möchten, ohne ihn zu kaufen, können Sie womöglich auf bestimmte Aufgaben nicht zugreifen.

  • Wenn Sie sich für den Kurs anmelden, erhalten Sie Zugriff auf alle Kurse der Spezialisierung und Sie erhalten nach Abschluss aller Arbeiten ein Zertifikat. Ihr elektronisches Zertifikat wird zu Ihrer Seite „Errungenschaften“ hinzugefügt – von dort können Sie Ihr Zertifikat ausdrucken oder es zu Ihrem LinkedIn Profil hinzufügen. Wenn Sie nur lesen und den Inhalt des Kurses anzeigen möchten, können Sie kostenlos als Gast an dem Kurs teilnehmen.

Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..