Please ensure Javascript is enabled for purposes of website accessibility

Παρουσίαση/Προβολή

Εικόνα επιλογής

Ρομποτικά Συστήματα ΙΙ

(ECE_ΔΚ904) -  Κωνσταντίνος Χατζηλυγερούδης

Περιγραφή Μαθήματος

  • Δυναμική Ανάλυση Ρομποτικών Συστημάτων.
  • Διακριτοποίηση και ευστάθεια.
  • Βελτιστοποίηση και Έλεγχος.
  • Μοντελοποίηση Βέλτιστου Ελέγχου (Optimal Control).
  • Linear Quadratic Regulator (LQR).
  • Προβλεπτικός Έλεγχος (Model-Predictive Control). Προβλεπτικός Έλεγχος με κυρτή βελτιστοποίηση.
  • Βελτιστοποίηση Τροχιάς.
  • Διαφορικός Δυναμικός Προγραμματισμός.
  • Βελτιστοποίηση και μοντελοποίηση προσανατολισμών (Quaternions, Representation-Free).
  • Μοντέλα για ρομπότ με άκρα.
  • Βελτιστοποίηση τροχιάς για ρομπότ με άκρα.

 

Ημερομηνία δημιουργίας

Πέμπτη, 21 Σεπτεμβρίου 2023

Σελίδα μαθήματος
  • Περίγραμμα

    Μαθησιακοί στόχοι

    Με την επιτυχή περάτωση  της εκπαιδευτικής διαδικασίας, οι φοιτητές θα έχουν αποκτήσει τις απαραίτητες γνώσεις, ώστε:

    1. Να γνωρίζουν και να χρησιμοποιούν διαφορετικούς ολοκληρωτές (integrators).
    2. Να μοντελοποιούν προβλήματα ελέγχου ρομποτικών συστημάτων ως προβλήματα βέλτιστου ελέγχου.
    3. Να γνωρίζουν και να υλοποιούν διαφορετικές μεθόδους για την επίλυση προβλημάτων βέλτιστου ελέγχου (LQR, Μη γραμμική βελτιστοποίηση, Διαφορικός Δυναμικός Προγραμματισμός).
    4. Να χειρίζονται μεταβλητές και ποσότητες σε προβλήματα ελέγχου και βελτιστοποίησης που έχουνε να κάνουν με προσανατολισμό (orientation).
    5. Να γνωρίζουν τα βασικά μοντέλα των ρομπότ με άκρα για προβλήματα βέλτιστου ελέγχου.

     

    Μέθοδοι διδασκαλίας

    • Τρόπος Παράδοσης: Δια ζώσης διαλέξεις
    • Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών: Ναι

    Μέθοδοι αξιολόγησης

    • Εκπόνηση ατομικών εργασιών κατανόησης κατά τη διάρκεια του εξαμήνου που θα περιλαμβάνουν γραπτή αναφορά, προσομοίωση και υλοποίηση (40%). Ο βαθμός των εργασιών μετράει μόνο αν στην προφορική εξέταση ο βαθμός είναι μεγαλύτερος ή ίσος του 5.
    • Προφορική εξέταση  (60%).

     

    Προτεινόμενα συγγράμματα

    Βελτιστοποίηση:

    1. Boyd, S. and Vandenberghe, L., 2004. Convex optimization. Cambridge university press. [url]
    2. Nocedal, J. and Wright, S.J. eds., 1999. Numerical optimization. New York, NY: Springer New York. [url]

    Βέλτιστος Έλεγχος και Βελτιστοποίηση Τροχιάς:

    1. Kelly, M., 2017. An introduction to trajectory optimization: How to do your own direct collocation. SIAM Review, 59(4), pp.849-904. [url]
    2. Aoyama, Y., So, O., Saravanos, A.D. and Theodorou, E.A., 2024. Second-Order Constrained Dynamic Optimization. [url]
    3. Jackson, B.E. and Howell, T., 2019. iLQR tutorial. [url][other url]

    Μάθηση και Βελτιστοποίηση:

    1. Learning and Optimization in Robotics, Sylvain Calinon (2022). [url] [web] [code]

    Προσανατολισμοί και Lie Groups:

    1. Sola, J., Deray, J. and Atchuthan, D., 2018. A micro Lie theory for state estimation in robotics. [url]
    2. Eade, E., 2013. Lie groups for 2d and 3d transformations. [url]
    3. 3D Geometry Basics, 16.485: Visual Navigation for Autonomous Vehicles, Luca Carlone. [url]
    4. Lie Groups, 16.485: Visual Navigation for Autonomous Vehicles, Luca Carlone. [url]