Pravděpodobnostní modely pro lokalizaci bezpilotního letounu testované na reálných datech
| Název práce v češtině: | Pravděpodobnostní modely pro lokalizaci bezpilotního letounu testované na reálných datech |
|---|---|
| Název v anglickém jazyce: | Probabilistic models for localization of an unmanned aerial vehicle based on real data |
| Klíčová slova: | pravděpodobnostní robotika, částicové filtrování, strojové učení, bezpilotní letouny |
| Klíčová slova anglicky: | probabilistic robotics, particle filtering, machine learning, drone |
| Akademický rok vypsání: | 2013/2014 |
| Typ práce: | diplomová práce |
| Jazyk práce: | angličtina |
| Ústav: | Katedra teoretické informatiky a matematické logiky (32-KTIML) |
| Vedoucí / školitel: | Mgr. Marta Vomlelová, Ph.D. |
| Řešitel: | skrytý - zadáno a potvrzeno stud. odd. |
| Datum přihlášení: | 15.08.2013 |
| Datum zadání: | 25.01.2014 |
| Datum potvrzení stud. oddělením: | 27.02.2014 |
| Datum a čas obhajoby: | 27.05.2014 00:00 |
| Datum odevzdání elektronické podoby: | 10.04.2014 |
| Datum odevzdání tištěné podoby: | 10.04.2014 |
| Datum proběhlé obhajoby: | 27.05.2014 |
| Oponenti: | RNDr. David Obdržálek, Ph.D. |
| Zásady pro vypracování |
| 1) Základním úkolem je vytvořit pravděpodobnostní model (Kalmanův filtr, částicový filtr [1]) pro lokalizaci drona, na základě dat senzorů získaných ve spolupráci s ČVUT naučit model pro konkrétního robota a otestovat přesnost modelu.
2) Pokud modely senzorů a přechodové funkce nebudou jasně definované s bílým šumem, analýza těchto funkcí a pokus o jejich popis, např. pomocí metod strojového učení. 3) Snaha o zlepšení modelu 1) se zřetelem na teoretickou průzračnost a přenositelnost postupu na jiné senzory a jiný typ robota. |
| Seznam odborné literatury |
| [1] Sebastian Thrun, Wolfram Burgard, and Dieter Fox. Probabilistic Robotics (Intelligent Robotics and Autonomous Agents series). Intelligent robotics and autonomous agents. The MIT Press, August 2005.
[2] A. Zia, T. Kirubarajan, J.P. Reilly, et al, "An EM Algorithm for Nonlinear State Estimation With Model Uncertainties", IEEE Transactions on Signal Processing, Vol.56, No.3, pp.921-936, March 2008. [3] M.S. Arulampalam, S. Maskell, N. Gordon, and T. Clapp. A tutorial on particle filters for online nonlinear/non-gaussian bayesian tracking. IEEE Transactions on Signal Processing, 50(2), 2002. |