Die LV gliedert sich folgendermaßen:

-Einführung

• Geschichte Autonomer Systeme
• Umgebungen
• Autonomiestufen

 -Wahrnehmen

• Sensorik und einfache Filter
• Sensorfusion und Aufbau eines Modells
• Geometrische Transformationen

 -Entscheiden

• Entscheidungsarchitekturen
• Algorithmen zur automatisierten Entscheidungsfindung

 -Handeln

• Behaviors/Manöver
• Behavior morphing
• Deep Reinforcement Learning

 -Anwendungsbeispiele

•  Autonomes Fahren
• Fußballroboter

Correll, Nikolaus; Hayes, Bradley; Heckman, Christoffer and Roncone, Alessandro (2022): Introduction to Autonomous Robots: Mechanisms, Sensors, Actuators, and Algorithms, MIT Press (forthcoming).

Vertiefung der Lerninhalte aus der Vorlesung durch individuelle praktische Übungen in den Bereichen
-Autonomes Fahren, z.B.

• Filterung von Ultraschall-Sensordaten
• Entwicklung eines Notbrems-Assistenten
• Autonomes Einparken

-Fußballroboter, z.B.

• Erkennung der Lage des Roboters
• Lernen von Behaviors
• Teach-in eines Verhaltens eines Nao Roboters
• Verfassung von wissenschaftlichen Ausarbeitungen zu den Ergebnissen der Untersuchungen.