====== Moodul: taju, kaardistamine ja lokaliseerimine (2. osa) ======^ Õpiaste | Meister |

ECTS ainepunkti 1 EAP
Õppevormid Hübriid või täielikult võrgus
Mooduli eesmärgid Mooduli eesmärk on tutvustada ebastabiilsuse ja ebakindluse aspekte autonoomsete süsteemide tajumisel, kaardistamisel ja lokaliseerimisel. Kursus arendab õpilaste võimet modelleerida andurite müra ja ebakindlust, kavandada tugevaid taju- ja fusioonialgoritme ning hinnata süsteemi käitumist keerulistes ja ohutuskriitilistes tingimustes kooskõlas asjakohaste standarditega.
Eelnõuded Algteadmised tõenäosuse ja statistika, lineaaralgebra ja taju ehk sensorite liitmise kontseptsioonidest, samuti programmeerimisoskused Pythonis või C++ keeles. Robootika, arvutinägemise, juhtimisteooria, masinõppe või ROS-põhiste tööriistade tundmine on soovitatav, kuid mitte kohustuslik.
Õpitulemused Teadmised
• Tehke vahet aleatoorsel ja episteemilisel ebakindlusel ning kirjeldage nende mõju tajumisele ja kaardistamisele.
• Selgitage ebastabiilsuse allikaid, nagu sensori müra, oklusioonid, kvantiseerimine ja võistlevad rünnakud.
• Mõistke ohutusraamistikke, mis on seotud määramatuse käsitlemise ja ebakindluse käsitlemise rolliga. määramatus ja lokaliseerimise täpsuse säilitamine.
Oskused
• Modelleerige andurite müra ja keskkonna määramatust, kasutades statistilisi ja tõenäosuslikke lähenemisviise.
• Rakendage andurite liitalgoritme tugevaks lokaliseerimiseks.
• Hinnake süsteemi vastupidavust oklusioonide, peegeldusvigade ja katsete ebakindluse ja vastuoluliste häirete kontrollimiseks. töökindlus, kasutades simulatsiooni ja reaalmaailma andmekogumeid.
Arusaamine
• Hinda kompromisse arvutusliku keerukuse ja vastupidavuse vahel mitme sensoriga süsteemides.
• Tunnistage autonoomsetes süsteemides ebastabiilse või ebausaldusväärse tajumise eetilisi ja ohutusmõjusid.
• Demonstreerige rahvusvaheliste ohutusstandardite ja süsteemiteadlikkuse omaksvõtmist.
Teemad 1. Ebastabiilsuse ja ebakindluse allikad:
– Aleatoorne vs episteemiline määramatus, stohhastilised protsessid ja mõõtmismüra.
– Kvantimisefektid, andurite müra modelleerimine ja keskkonna juhuslikkus.
2. Anduri müra ja sulandumine:
– Mitme sensori integreerimine
filter\
sujuv kaamera
filterS ja sujuv kaamera, radar, GMU. tehnikad.
3. Oklusioonid ja osaline jälgitavus:
– oklusioonide, ilmastikumõjude ja mittetäieliku anduri katvuse käsitlemine.
– Jälgimine ja ennustamine ebakindlates keskkondades.
4. Võistlemise vastupidavus:
– Võistlevad rünnakud tajuvõrkudele ja nende tuvastamine.
– SOTIF4 funktsionaalsus ja SO5.5 21 verifitseerimine (I) Valideerimine ja ohutuse hindamine:
– Simulatsioonipõhine valideerimine ja määramatuse kvantifitseerimine.
– Ebakindluse tajumise ja lokaliseerimise hindamismõõdikud.
6. Reaalse maailma juhtumiuuringud:
– Anduri halvenemine autonoomsetes sõidukites, kalibreerimineioonide triivi ja koondamise disain.
Hinnangu liik Positiivse hinde eelduseks on mooduliteemade positiivne hinnang ja praktiliste tööde tulemuste esitamine koos nõutava dokumentatsiooniga.
Õppemeetodid Loeng — Tutvuge määramatuse, müra modelleerimise ja taju ebastabiilsuse teoreetiliste põhimõtetega.
Laboritööd — Rakendage andurite liitmist, määramatuse kvantifitseerimist ja töökindluse hindamist ROS2-s või MATLAB-is.
Individuaalsed ülesanded - Uurige ja aruandeid võistlevate rünnakute ja strateegiate kohta. Iseõppimine – uurige rahvusvahelisi standardeid ja avatud lähtekoodiga andmekogumiid.
AI osalus AI-tööriistad võivad aidata simuleerida määramatuse levikut, tuvastada vastandlikke mustreid ja teha tundlikkusanalüüsi. Õpilased peavad kriitiliselt valideerima tulemusi, dokumenteerima metoodikat ning tagama reprodutseeritavuse ja vastavuse akadeemilise terviklikkuse standarditele.
Soovitatud tööriistad ja keskkonnad ROS2, MATLAB, KITTI, NuScenes, Waymo
Kinnitamise ja kinnitamise fookus
Asjakohased standardid ja reguleerivad raamistikud ISO 26262, ISO 21448 (SOTIF)