| 課程大綱 Syllabus |
學生學習目標 Learning Objectives |
單元學習活動 Learning Activities |
學習成效評量 Evaluation |
備註 Notes |
序 No. | 單元主題 Unit topic |
內容綱要 Content summary |
| 1 | Introduction to Robotic Navigation and Exploration |
介紹機器導航與探索的基本概念與應用情境,說明自主移動機器人的整體系統架構與研究領域。 |
理解機器導航系統的基本組成與核心問題,建立對自主機器人導航技術的整體認識。 |
討論 講授
|
|
|
| 2 | 運動學模型與路徑追蹤控制 |
介紹移動機器人的運動學模型與基本控制方法,包括 PID 控制、差動驅動模型與 Pure Pursuit 路徑追蹤。 |
能理解機器人運動模型與基本控制方法,並分析不同控制策略對導航行為的影響。 |
講授
|
|
|
| 3 | 路徑規劃與運動規劃 |
說明路徑規劃與軌跡規劃的基本概念,包括曲線插值與導航路徑生成方法。 |
能理解路徑規劃在機器導航中的角色,並分析不同規劃方法在導航問題中的應用。 |
講授
|
|
|
| 4 | 強化學習基礎 |
介紹強化學習的基本架構,包括馬可夫決策過程(MDP)、價值函數與 Bellman 方程式。 |
理解強化學習的核心概念與決策模型,並說明其在自主導航中的應用方式。 |
上機實習 講授
|
|
|
| 5 | 進階強化學習方法 |
介紹常見強化學習演算法,如 Q-learning、Sarsa、DQN 與 Policy Gradient 等方法。 |
能比較不同強化學習方法的特性,並理解其在機器人導航策略學習中的角色。 |
上機實習 講授
|
|
|
| 6 | 導航實驗環境建置 |
建立機器導航與強化學習實驗環境,讓學生熟悉模擬平台與實驗流程。 |
能建構基本實驗環境並執行導航實驗,理解系統測試與實驗設計流程。 |
|
|
|
| 7 | SLAM 與狀態估測 |
介紹同步定位與地圖建置(SLAM)的基本問題與機率模型,包括 Bayes Filter 與 Kalman Filter。 |
理解 SLAM 的核心概念與狀態估測方法,並說明機器人如何同時進行定位與地圖建置。 |
討論 講授
|
|
|
| 8 | SLAM 圖最佳化方法 |
介紹基於圖模型的 SLAM 最佳化方法,包括圖最佳化與 2D SLAM 的 Bundle Adjustment 技術。 |
能理解圖最佳化在 SLAM 中的角色,並說明其如何提升定位與地圖建置的準確性。 |
討論 講授
|
|
|
| 9 | 3D SLAM 與視覺定位 |
介紹 3D SLAM 的基本技術,包括特徵描述子、多視角幾何與視覺定位方法。 |
理解視覺 SLAM 的基本原理,並分析不同視覺特徵與幾何模型在定位問題中的應用。 |
講授
|
|
|
| 10 | 深度學習 SLAM 與具身智能 |
介紹深度學習在 SLAM 與具身智能(Embodied Agent)中的應用。 |
能理解深度學習如何提升環境理解與導航能力,並說明具身智能的研究方向。 |
講授
|
|
|
| 11 | 論文閱讀與研究討論 |
透過論文閱讀與討論,了解最新機器導航與 SLAM 研究成果。 |
培養閱讀研究論文與分析研究方法的能力,理解當前研究趨勢。 |
討論 講授
|
|
|
| 12 | 導航專題實作 |
透過專題實作整合導航、SLAM 與機器學習技術,完成自主導航系統。 |
能整合課程所學技術設計自主導航系統,並清楚說明系統設計與實驗結果。 |
討論 實作
|
|
|