Podcast
Questions and Answers
En robtica mbil, quin procs implica la creaci d'un mapa de l'entorn per part del robot?
En robtica mbil, quin procs implica la creaci d'un mapa de l'entorn per part del robot?
- Planificaci
- Mapping (correct)
- Navegaci
- Localitzaci
Qu s SLAM en robtica mbil?
Qu s SLAM en robtica mbil?
- Systematic Location and Mapping
- Sensor Localization and Motion
- Simple Localization And Movement
- Simultaneous Localization And Mapping (correct)
Quin element s crucial per a la localitzaci d'un robot segons l'esquema presentat?
Quin element s crucial per a la localitzaci d'un robot segons l'esquema presentat?
- La marca del robot
- La planificaci i el mapa (correct)
- El tipus de bateria del robot
- El color del robot
En el context de l'esquema SLAM, qu proporciona el robot a la planificaci?
En el context de l'esquema SLAM, qu proporciona el robot a la planificaci?
Per qu la incertesa s un concepte fonamental en robtica?
Per qu la incertesa s un concepte fonamental en robtica?
Quins aspectes afecten la incertesa en un robot?
Quins aspectes afecten la incertesa en un robot?
Com es defineix l'error sistemtic en el context de la incertesa i com es corregeix?
Com es defineix l'error sistemtic en el context de la incertesa i com es corregeix?
Per qu s important conixer la incertesa d'una mesura?
Per qu s important conixer la incertesa d'una mesura?
Qu implica el concepte de percepci en robtica?
Qu implica el concepte de percepci en robtica?
Quina s la diferncia principal entre sensors propioceptius i exteroceptius?
Quina s la diferncia principal entre sensors propioceptius i exteroceptius?
Qu mesura un accelermetre?
Qu mesura un accelermetre?
Quina informaci addicional proporciona un girscop que un accelermetre no proporciona?
Quina informaci addicional proporciona un girscop que un accelermetre no proporciona?
Qu mesuren els encoders?
Qu mesuren els encoders?
A qu s especialment sensible un compass?
A qu s especialment sensible un compass?
Qu combina un IMU (Inertial Measurement Unit)?
Qu combina un IMU (Inertial Measurement Unit)?
Quina s una limitaci del Lidar?
Quina s una limitaci del Lidar?
Quin sensor utilitza polsos de radiacions electromagntiques per mesurar la distncia?
Quin sensor utilitza polsos de radiacions electromagntiques per mesurar la distncia?
Quina s una avantatge de la cmera com a sensor en robtica?
Quina s una avantatge de la cmera com a sensor en robtica?
Quina limitaci important tenen les cmeres RGBD?
Quina limitaci important tenen les cmeres RGBD?
En quines condicions no est disponible el sistema GNSS?
En quines condicions no est disponible el sistema GNSS?
Qu fa un bumper sensor?
Qu fa un bumper sensor?
Quina s la principal diferncia entre un Lidar i un Sonar en termes de precisi?
Quina s la principal diferncia entre un Lidar i un Sonar en termes de precisi?
En el model de mesura $z = h(x) + v$, qu representa 'v'?
En el model de mesura $z = h(x) + v$, qu representa 'v'?
Quina caracterstica defineix una variable aleatria discreta?
Quina caracterstica defineix una variable aleatria discreta?
Qu representa $p(x)$ en el context d'una variable aleatria contnua?
Qu representa $p(x)$ en el context d'una variable aleatria contnua?
Quina funci matemtica descriu la distribuci normal (gaussiana)?
Quina funci matemtica descriu la distribuci normal (gaussiana)?
En una distribuci normal, qu representa la desviaci estndard?
En una distribuci normal, qu representa la desviaci estndard?
Si $x$ segueix una distribuci normal $N(\mu, \sigma^2)$ i $a$ s una constant, quina distribuci segueix $ax$?
Si $x$ segueix una distribuci normal $N(\mu, \sigma^2)$ i $a$ s una constant, quina distribuci segueix $ax$?
Si tenim dues variables aleatries normals, $x ~ N(\mu_x, \sigma_x^2)$ i $y ~ N(\mu_y, \sigma_y^2)$, quina distribuci segueix la suma $x + y$?
Si tenim dues variables aleatries normals, $x ~ N(\mu_x, \sigma_x^2)$ i $y ~ N(\mu_y, \sigma_y^2)$, quina distribuci segueix la suma $x + y$?
En el context de la distribuci normal gaussiana per a vectors, quin element representa la matriu de covariana ?
En el context de la distribuci normal gaussiana per a vectors, quin element representa la matriu de covariana ?
Com es calcula la funci de densitat de probabilitat per a vectors en una distribuci normal gaussiana?
Com es calcula la funci de densitat de probabilitat per a vectors en una distribuci normal gaussiana?
En l'expressi del teorema de Bayes, $p(x|y) = \frac{p(y|x)p(x)}{p(y)}$, qu representa $p(x|y)$?
En l'expressi del teorema de Bayes, $p(x|y) = \frac{p(y|x)p(x)}{p(y)}$, qu representa $p(x|y)$?
En el teorema de Bayes, quin terme representa el coneixement previ sobre la variable $x$ abans de considerar la informaci de $y$?
En el teorema de Bayes, quin terme representa el coneixement previ sobre la variable $x$ abans de considerar la informaci de $y$?
Si apliquem una transformaci lineal $A$ a un vector $x$ que segueix una distribuci gaussiana $\mathcal{N}(\mu_x, \Sigma_x)$, i afegim un vector constant $b$, quina s la nova distribuci?
Si apliquem una transformaci lineal $A$ a un vector $x$ que segueix una distribuci gaussiana $\mathcal{N}(\mu_x, \Sigma_x)$, i afegim un vector constant $b$, quina s la nova distribuci?
Qu passa amb la complexitat computacional al calcular la funci de densitat de probabilitat si tenim vectors aleatoris de dimensions molt altes?
Qu passa amb la complexitat computacional al calcular la funci de densitat de probabilitat si tenim vectors aleatoris de dimensions molt altes?
Com afectaria la precisi d'un robot en un entorn sorolls el fet d'utilitzar un sensor amb alta resoluci per baixa precisi?
Com afectaria la precisi d'un robot en un entorn sorolls el fet d'utilitzar un sensor amb alta resoluci per baixa precisi?
Com influiria una mesura poc precisa sobre l'actuaci d'un robot quan es mou en entorns desconeguts i poc estructurats?
Com influiria una mesura poc precisa sobre l'actuaci d'un robot quan es mou en entorns desconeguts i poc estructurats?
Si disposem de mltiples sensors, i sabem que cada un t un comportament diferent davant del 'soroll', com podem combinar-los per minimitzar l'efecte del 'soroll'?
Si disposem de mltiples sensors, i sabem que cada un t un comportament diferent davant del 'soroll', com podem combinar-los per minimitzar l'efecte del 'soroll'?
En el model de mesura $z = h(x) + v$, on $v$ representa el soroll, com podem minimitzar l'incertesa en el clcul de $x$ a partir de $z$ quan $v$ segueix una distribuci coneguda?
En el model de mesura $z = h(x) + v$, on $v$ representa el soroll, com podem minimitzar l'incertesa en el clcul de $x$ a partir de $z$ quan $v$ segueix una distribuci coneguda?
Flashcards
Planificació
Planificació
Procés d'un robot per a moure's en un entorn.
Localització
Localització
Procés de determinar la posició del robot en un mapa.
Mapping
Mapping
Creació d'un mapa de l'entorn.
SLAM
SLAM
Signup and view all the flashcards
Offset
Offset
Signup and view all the flashcards
Soroll
Soroll
Signup and view all the flashcards
Incertesa
Incertesa
Signup and view all the flashcards
Percepció
Percepció
Signup and view all the flashcards
Propioceptius
Propioceptius
Signup and view all the flashcards
Exteroceptius
Exteroceptius
Signup and view all the flashcards
Acceleròmetre
Acceleròmetre
Signup and view all the flashcards
Giròscop
Giròscop
Signup and view all the flashcards
Encoders
Encoders
Signup and view all the flashcards
Compass
Compass
Signup and view all the flashcards
IMU
IMU
Signup and view all the flashcards
Lidar
Lidar
Signup and view all the flashcards
Radar
Radar
Signup and view all the flashcards
Càmera
Càmera
Signup and view all the flashcards
Càmera RGBD
Càmera RGBD
Signup and view all the flashcards
GNSS
GNSS
Signup and view all the flashcards
Sonar
Sonar
Signup and view all the flashcards
Bumper
Bumper
Signup and view all the flashcards
Variable aleatòria contínua
Variable aleatòria contínua
Signup and view all the flashcards
Variable Aleatòria
Variable Aleatòria
Signup and view all the flashcards
teorema de Bayes
teorema de Bayes
Signup and view all the flashcards
Model de mesura
Model de mesura
Signup and view all the flashcards
Probabilitat condicional
Probabilitat condicional
Signup and view all the flashcards
Com modelem el soroll?
Com modelem el soroll?
Signup and view all the flashcards
Study Notes
Introducció a la Robòtica - Sessió 2
- Dr. Anaís Garrell, Investigadora Postdoctoral al Despartament ESAII, lidera la sessió 2 d'introducció a la robòtica.
- La sessió cobreix la incertesa, la percepció, la posició, el soroll i les distribucions normals.
- En robòtica mòbil s'aborda la planificació, la localització, el mapping i SLAM.
A Robòtica Mòbil
- Planning: Es mostra l'ús d'un robot localitzat per crear una trajectòria a partir d'un mapa.
- Localització: S'il·lustra com un robot pot moure's i localitzar-se en un mapa.
- Mapping: Es representa com un robot es mou i permet crear un mapa
- SLAM (Simultaneous Localization and Mapping): Un robot es mou i crea un mapa, alhora que es localitza en ell.
Esquemes de Localització i SLAM
- Localització: El robot envia observacions a la localització i rep comandes de la planificació, la qual usa el mapa i rep observacions del robot per definir un objectiu.
- SLAM: El robot envia observacions al SLAM i rep comandes de la planificació, la qual usa el mapa i rep observacions del robot per definir un objectiu.
La Incertesa
- El món es caracteritza per ser incert, sorollós i imprecís.
- El concepte d'incertesa condiciona la majoria d'àrees dins l'assignatura de robòtica.
- La incertesa es troba en les mesures de sensors, la resposta d'actuadors, i el coneixement de l'entorn i del robot propi.
- L'error sistemàtic ('offset') pot ser corregit mitjançant la calibració, mentre que l'error no sistemàtic ('soroll') presenta un repte diferent.
- És tan important saber una mesura com conèixer la seva incertesa.
Fonts d'Incertesa a Robòtica
- Les mesures de sensors tenen incertesa.
- La resposta dels actuadors té incertesa.
- El coneixement de l'entorn té incertesa.
- El coneixement del mateix robot té incertesa.
Sensors i Percepció
- La percepció es defineix com rebre impressions i obtenir coneixement a través dels sentits.
- Propioceptius: Mesuren moviment, posició o estat del robot.
- Exteroceptius: Adquireixen informació de l'entorn.
Tipus de Sensors
- Acceleròmetre: Mesura l'acceleració i proporciona coordenades locals.
- Giròscop: Mesura l'acceleració no gravitacional i complementa informació sobre l'orientació de l'objecte.
- Codificadors (Encoders): Mesuren el gir d'un eix, poden ser incremental o absolut, i òptics, magnètics, inductius o capacitius.
- Brúixola (Compass): Mesura el camp magnètic terrestre i proporciona coordenades locals, sent sensible a interferències electromagnètiques.
- IMU (Inertial Measurement Unit): Combina acceleròmetre, giròscop i compàs per informar sobre velocitat, orientació i forces gravitacionals a alta freqüència.
- Lidar (làser): Mesura la distància dels obstacles en diferents direccions amb alta precisió, però és poc robust.
- Radar: Mesura la distància (i doppler) dels obstacles en diferents direccions, usant polsos electromagnètics i són poc precisos i econòmics, però robusts.
- Càmera: Captura imatges periòdicament en RGB/mono amb diverses resolucions, són barates i proporcionen molta informació, però són lentes (~30Hz).
- Càmera RGBD: Captura imatges amb profunditat, barates, amb molta informació i són lentes (~30-60Hz), tenen menys de 5m de profunditat i són sensibles a llum solar (IR).
- GNSS (Global Navigation Satellite System): Mesura la distància a satèl·lits, utilitzant GPS, Galileo, GLONASS, etc., i proporciona geolocalització calculada pel fabricant, però no disponible en interiors. Sonar: Mesura la distància a obstacles en una direcció, és poc precís i costa poc.
- Bumper: Envia un senyal en detectar una col·lisió i és barat.
Precisió i Soroll
- La precisió i el soroll són aspectes importants en la percepció robòtica.
- El soroll es pot modelar i quantificar.
- Model de mesura: z = h(x) + v, on z és la mesura, h(x) és el model, x és la realitat, i v és el soroll (variable aleatòria).
Variables Aleatòries Discretes vs. Contínues en el Soroll
- Discreta: Exemple: La funció de probabilitat d'un dau és 1/6 per cada cara.
- Contínua: La probabilitat es defineix de manera infinitesimal; [x, x + dx] té una probabilitat p(x) dx.
Distribució Normal (Gaussiana)
- La funció de densitat de probabilitat de la distribució normal es defineix mitjançant la mitjana i la desviació estàndard.
Propietats de la Distribució Normal
- Variable aleatòria segueix distribució normal: x ~ Ν(μ, σ²), on μ és la mitjana i σ² és la variància.
- Es poden fer diverses operacions amb variables Gaussianes.
Operacions amb Variables Gaussianes
- Si x ~ N(μx, σx²), a, b ∈ R, llavors:
- x + b ~ N(μx + b, σx²)
- ax ~ N(aμx, (aσx)²)
- ax + b ~ N(aμx + b, (aσx)²)
Distribució Normal amb Vectors
- La distribució normal es pot generalitzar a vectors, on la variància es converteix en una matriu de covariança.
Distribució Normal Multivariant
- En distribucions normals multivariants: x ~ N(μ, Σ), on Σ és la matriu de covariança.
Probabilitat Condicional
- La probabilitat condicional es representa com p(x|y), que denota la funció de densitat de probabilitat de x, si es coneix el valor de y.
- Teorema de Bayes: p(x|y) = [p(y|x)p(x)] / p(y).
Studying That Suits You
Use AI to generate personalized quizzes and flashcards to suit your learning preferences.
