全美第二的机器人项目核心数学课免费开放,院长亲自授课,作业讲义全同步

2022 年 2 月 1 日 量子位
行早 发自 凹非寺
量子位 | 公众号 QbitAI

好消息~

密歇根安娜堡分校机器人学院开放了核心课程:Robotics 501: Mathematics for Robotics。

密歇根大学安娜堡分校是被誉为“公立常青藤”的工科强校,在QS排名中基本保持在20左右的名次。其机器人项目更是全美第二名:

在整个项目中,课程主要分为四大块:核心课程、感知、决策和控制。

而开放获取的这门课正是核心课程之一,主要涉及机器人工程中的应用数学知识:

它由密歇根大学机器人学院的院长Jessy W. Grizzle(左一)亲自讲授。

Grizzle教授带队指导过多个机器人项目,在最近的一个项目中还造出了能在崎岖草地上走路的双足机器人:

而现在,你有一个直面牛校院长听课的机会,这么好的资源可以白嫖~惊不惊喜?

课程内容

这门课程共有26节Lecture视频,10个作业和两次考试(包括答案)

主要内容包括向量空间、正交基、投影定理、矩阵分解、卡尔曼滤波器和基本概率概念。

另外,范数、收敛数列、压缩映射、牛顿迭代法、非线性优化等也有涉及:

甚至连笔记和讲义都一应俱全:

不知道如何下手也没关系,学校已经给你安排了一个平滑的学习计划:

每周两节课,共27个课时,可以分为15周完成。

每节课的学习目标和内容也都做好了标记:

当然,由于这是研究生阶段的课程,要想无压力读下去还需要满足一些先修条件:

例如了解线性代数、概率论、微积分等的基本知识,还需要会一些MATLAB和编程知识。

One More Thing

除了ROB501,ROB530课程也在同步更新中:

这门课会介绍更多机器人相关的话题。

例如贝叶斯过滤、移动机器人的运动和传感器模型、 映射和定位算法以及自动海陆空交通工具的应用等。

预计今年三月完结。

感兴趣的同学赶快学起来吧~

参考链接:

[1]https://github.com/michiganrobotics/rob501
[2]https://robotics.umich.edu/
[3]https://github.com/UMich-CURLY-teaching/UMich-ROB-530-public

「智能汽车」交流群招募中!

欢迎关注智能汽车、自动驾驶的小伙伴们加入社群,与行业大咖交流、切磋,不错过智能汽车行业发展&技术进展。

ps.加好友请务必备注您的姓名-公司-职位哦~


点这里👇关注我,记得标星哦~

一键三连「分享」、「点赞」和「在看」

科技前沿进展日日相见~


登录查看更多
0

相关内容

机器人(英语:Robot)包括一切模拟人类行为或思想与模拟其他生物的机械(如机器狗,机器猫等)。狭义上对机器人的定义还有很多分类法及争议,有些电脑程序甚至也被称为机器人。在当代工业中,机器人指能自动运行任务的人造机器设备,用以取代或协助人类工作,一般会是机电设备,由计算机程序或是电子电路控制。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
专知会员服务
51+阅读 · 2021年6月2日
【经典书】线性代数,286页pdf
专知会员服务
125+阅读 · 2021年2月28日
清华大学《人工智能》书籍教学课件开放下载
专知会员服务
137+阅读 · 2020年7月27日
《深度学习》圣经花书的数学推导、原理与Python代码实现
国家自然科学基金
2+阅读 · 2016年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
3+阅读 · 2008年12月31日
Synthesizing Informative Training Samples with GAN
Arxiv
0+阅读 · 2022年4月15日
Recent advances in deep learning theory
Arxiv
50+阅读 · 2020年12月20日
Arxiv
13+阅读 · 2019年11月14日
Arxiv
15+阅读 · 2019年3月16日
Arxiv
22+阅读 · 2018年8月30日
VIP会员
相关基金
国家自然科学基金
2+阅读 · 2016年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
3+阅读 · 2008年12月31日
相关论文
Synthesizing Informative Training Samples with GAN
Arxiv
0+阅读 · 2022年4月15日
Recent advances in deep learning theory
Arxiv
50+阅读 · 2020年12月20日
Arxiv
13+阅读 · 2019年11月14日
Arxiv
15+阅读 · 2019年3月16日
Arxiv
22+阅读 · 2018年8月30日
Top
微信扫码咨询专知VIP会员