|| 英語(English)
学習支援計画書(シラバス) 検索システム
機械工学専攻
対象課程 科目名 単位数 科目コード 開講時期 授業科目区分
博士前期課程(修士課程)
確率ロボティクス特論
Probabilistic Robotics
1 2154-01 2024年度
前学期
関係科目
担当教員名
授業科目の学習・教育目標
キーワード 学習・教育目標
1.知能ロボット 2.ベイズ推定 3.パーティクルフィルタ 4.SLAM ロボティクスの一分野で確率ロボティクスが最近注目を集めている。これは、物理世界に潜 む不確実さに対応可能な数少ない方法の一つであり、ベイズ則に基づく確率・統計的な手法 である。この方法は様々な現実的な問題に応用され大きな成果を上げている。本講義では、 ベイズ則、自己位置推定、地図生成などを学び、それを現実の問題に応用できることが目標 である。
授業の概要および学習上の助言
1. 確率・統計 2. ベイズ則  3. 自己位置推定   モンテカルロ位置推定 4. 地図生成   SLAM
教科書および参考書・リザーブドブック
詳細 確率ロボティクス-Pythonによる基礎アルゴリズムの実装、 上田隆一著、講談社
履修に必要な予備知識や技能
本講義では,アルゴリズムを計算機上に実装するために,Python言語でのプログラミング能力が必須である.
学生が達成すべき行動目標
No.
確率を理解し、簡単な問題を解ける。
各アルゴリズムについて説明できる。
学習したアルゴリズムのいくつかを計算機上に実装できる。
自分の行ったプロジェクトをわかりやすく説明できる。
達成度評価
評価方法 試験 クイズ
小テスト
レポート 成果発表
(口頭・実技)
作品 ポートフォリオ その他 合計
総合評価割合 30 20 50 0 0 0 0 100
評価の要点
評価方法 行動目標 評価の実施方法と注意点
試験 講義の内容を理解しているか筆記試験により評価する。
クイズ
小テスト
高校レベルの確率や条件付、ベイズ確率を計算できるか評価する。 再帰的状態推定に関しては、式を導出できるか評価する。
レポート レポートを読むだけで理解できるように、結果だけではなく、必要な説明、図、表を入れてしっかり記述 すること。
成果発表
(口頭・実技)
作品
ポートフォリオ
その他
具体的な達成の目安
理想的な達成レベルの目安 標準的な達成レベルの目安
学習したアルゴリズムを計算上に実装して、実用的な問題を解 ける。 学習したアルゴリズムを計算機に実装し、簡単な問題を解ける 。
※学習課題の時間欄には、指定された学習課題に要する標準的な時間を記載してあります。日々の自学自習時間全体としては、各授業に応じた時間(例えば2単位科目の場合、予習2時間・復習2時間/週)を取るよう努めてください。詳しくは教員の指導に従って下さい。
授業明細
回数 学習内容 授業の運営方法 学習課題 予習・復習 時間:分※
1 オリエンテーション 教科書1章 はじめに 教科書2章 確率・統計の基礎(ベイズ確率) 座学 予習:高校レベルの確率の復習 200
2 教科書3章 自律ロボットのモデル化 教科書4章 不確かさのモデル化 座学 ベイズ確率に関する小テスト 復習:授業内容 200
3 教科書5章 パーティクルフィルタによる自己位置推 定 座学 ベイズ推定に関する小テスト 復習:授業内容 200
4 実習1 演習 レポート提出 復習:授業内容 200
5 教科書8章 パーティクルフィルタによるSLAM 座学 復習:授業内容 200
6 実習2 演習 復習:授業内容 予習:試験勉強 300
7 期末試験 試験 最終レポート提出 復習:授業内容 100