====== 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) |
