Planowanie przejazdu przez zbiór punktów. zadania zrobotyzowanej inspekcji
|
|
- Bogna Gajda
- 6 lat temu
- Przeglądów:
Transkrypt
1 dla zadania zrobotyzowanej inspekcji Katedra Sterowania i Inżynierii Systemów, Politechnika Poznańska 3 lipca 2014
2 Plan prezentacji 1 Wprowadzenie 2 3 4
3 Postawienie problemu Założenia: Rozpatrujemy kinematykę monocykla: 1 0 [ ] θ [ ] q = 0 cos θ u1, q x θ = u 0 sin θ 2 q y Znana a priori siatka zajętości Realizacja ruchu sterownikiem VFO y y G yl a r q * 0 x x L θ b r q * dn x G Robot zajmuje prostokąt a r b r Zadanie: Wybrać uporządkowany zbiór punktów referencyjnych umożliwiający bezkolizyjny przejazd z q 0 do q dn.? q * d1? q * d2? q *...
4 Proponowana strategia planowania Proces planowania: 1 Wyszukać ścieżkę w grafie uzyskanym z siatki zajętości (znajdujemy bezkolizyjną łamaną zmodyfikowanym algorytmem A*) 2 Wybrać pozycje punktów referencyjnych (wierzchołki łamanej stanowią pozycje większości punktów przejazdowych) 3 Zaplanować orientacje zadane w punktach referencyjnych (analityczny, stałoczasowy algorytm wykorzystujący własności VFO) Ograniczenia nieholonomiczne uwzględniane są tylko w ostatnim etapie.
5 Plan prezentacji 1 Wprowadzenie 2 3 4
6 Graf ze zredukowanym sąsiedztwem Wybór sąsiedztwa: Sąsiedztwo zależy od kierunku przetwarzania c f f Nie rozpatrujemy kierunków prostopadłych 2 Wybór sąsiada oznacza wybór strategii P/T 1 Skutki powyższego wyboru: Redukcja kosztu obliczeniowego d 2 Minimalizacja ilości wierzchołków w łamanych d 1 f l f fff Globalne planowanie strategii P/T Brak redundantnych zmian strategii P/T b l p c d p b p f p d 4 d 3 1 P/T oznacza jazdę przodem lub tyłem. 2 D. Harabor, A. Grastien. Online graph pruning for pathfinding on grid maps. Proc. 25th Conference on Artificial Intelligence (AAAI-11), 2011.
7 Wybór strategii P/T siatka dla jazdy przodem Wykorzystujemy dwie połączone siatki zajętości. f l c f f f p Zmiana strategii P/T powoduje przeskok do drugiej siatki Rozróżniamy 2 zestawy kosztów ruchu dla każdej komórki siatki W pamięci przechowana jest tylko jedna siatka b l c b p siatka dla jazdy tyłem
8 Wstępne uwzględnienie orientacji brzegowych Początkowy kierunek przetwarzania wynika z orientacji początkowej θ 0 Odrzucamy sąsiadów punktu końcowego spełniających relację: b l f l c f f f p q * dn arg(σd p ) θ dn > π 4 p d p b p θ dn
9 Funkcja kosztu ruchu f g + h, h g(c) ˆD min(d) Q dn λ(c) 1, ( ) m c k s g m c + [g(p) + λ(c) λ(p) ] φ exp(min(d)) d 1 d 2 p d p c f f d 3 d 4 Składniki: Zbiór D {d 1, d 2, d 3, d 4} odległości od przeszkód wzdłuż kluczowych kierunków Współczynnik m c rosnący przy zmianie kierunku ścieżki Ziarno przetwarzania φ Odległość komórki od punktu końcowego: Q dn λ(c) Odległość od komórki poprzednio przetwarzanej: λ(c) λ(p) 1 ˆD oznacza średnią arytmetyczną z elementów D.
10 Własności funkcji kosztu ruchu Zarówno g, jak i h są nieliniowymi funkcjami odległości od przeszkód h jest niedopuszczalna, ale algorytm pozostaje kompletny 1 Dla równych D różnice w kosztach siąsiadujących komórek są podobne klasycznego A* k s pozwala na strojenie wpływu długości ścieżki na funkcje kosztu W odróżnieniu od innych rozwiązań, uzyskany efekt jest globalny 1 Wynika to z systematyczności wyszukiwania (patrz S.M. LaValle Planning Algorithms. Cambridge University Press rozdz. 2.2).
11 Plan prezentacji 1 Wprowadzenie 2 3 4
12 Prawo sterowania VFO Dla każdego punktu śledzić pole zbieżności 2 : θ a Atan2c(σh y, σh x ), [ ] h hx = k h p e + v, k p > 0, y [ ] v σk p µ e cos θ, sin θ u 1 k a (θ a θ), k a > 0, u 2 σ ρ cos (θ a θ), µ (0, 1), ρ 0, σ { 1, 1} y[m] x[m] q 0 q d µ = 0.5 µ = 0.6 µ = 0.8 µ = Sterownik pokazano w: M. M. Michałek, K. Kozłowski. Motion planning and feedback control for a unicycle in a way point following task: The VFO approach. Int. J. Appl. Math. Comput. Sci., 2009, wol. 19, nr 4
13 Algorytm planowania orientacji Dla i {N, N 1,..., 1}: 1 Zaplanować współczynnik µ i kształtujący ścieżkę dojazdu do q di 2 Wyznaczyć orientację zadaną w q di 1, aby zagwarantować ciągłość orientacji: θ di 1 (t i ) := θ ai (t i ), θ ai = Atan2c (σ i h yi (t i ), σ i h xi (t i )) W chwili t i następuje przełączenie na i-ty punkt referencyjny. Uwaga Algorytm planowania orientacji ma złożoność O(n) względem ilości punktów referencyjnych.
14 Planowanie względnego współczynnika naprowadzania µ Jak odtworzyć łamaną nie zatrzymując monocykla? µ min maksymalizuje dopasowanie do i-tego segmentu łamanej µ ai maksymalizuje dopasowanie do i 1-szego segmentu łamanej Proponujemy kompromis w postaci średniej ważonej: µ i k f q di q di 1 µmin + q di 1 q di 2 µai k f q di q di 1 + q di 1 q di 2, µ min (0, µ max), µ ai (µ min, µ max) y G q* di-2 q* di-1 μ ai μ μ i min q di v * ai θ di x G Uwaga k f pozwala na płynne strojenie dopasowania do łamanej.
15 Plan prezentacji 1 Wprowadzenie 2 3 4
16 Wyniki planowania i realizacji ruchu S S S4 S5 4 2 y[m] S2 S3 0 0 x[m] y[m] 0 0 x[m] Trójkąty oznaczają konfiguracje zadane w punktach referencyjnych.
17 Wpływ parametrów na generowane plany ϕ= 0.2 m ϕ= 0.29 m ϕ= 0.08 m k f = 1 k f = 5 k f = k s = 3 2 y[m] k s = 7 Trójkąty oznaczają konfiguracje zadane w punktach referencyjnych x[m]
18 Podsumowanie Planer korzysta z wiedzy o sterowniku VFO Prostota podejścia do problemu Można wpływać na bezpieczeństwo i gładkość generowanych planów Zredukowano wymiar przestrzeni wyszukiwania do R 2 W prosty sposób uwzględniono strategię P/T Bezpieczeństwo ścieżki wpływa globalnie na wyniki planowania Reprezentacja planu jest oszczędna i łatwa w obróbce Prezentowane modyfikacje algorytmu A* są niezależne od sterownika Proponowany algorytm: jest kompletny przy odpowiednim wyborze φ i k f jest deterministyczny może być strojony w łatwy sposób
Planowanie przejazdu przez zbiór punktów dla zadania zrobotyzowanej inspekcji
Planowanie przejazdu przez zbiór punktów dla zadania zrobotyzowanej inspekcji Tomasz Gawron 1, Maciej Marcin Michałek 1 Streszczenie Artykuł poświęcony jest dwuetapowemu, globalnemu (tj. planującemu całe
Bardziej szczegółowo2.9. Kinematyka typowych struktur manipulatorów
Politechnika Poznańska, Katedra Sterowania i Inżynierii Systemów str. 1 2.9. Kinematyka typowych struktur manipulatorów 2.9.1. Manipulator planarny 3DOF Notacja DH Rys. 28 Tablica 1 Parametry DH Nr ogniwa
Bardziej szczegółowoPlanowanie ruchu bryły sztywnej
Politechnika Warszawska Wydział Matematyki i Nauk Informacyjnych Warszawa, 6 czerwiec 2013 Wstęp Z planowanie ruchu bryły sztywnej korzysta się przede wszystkim w zagadnieniach związanych z robotami: produkcja
Bardziej szczegółowoPorównanie algorytmów wyszukiwania najkrótszych ścieżek międz. grafu. Daniel Golubiewski. 22 listopada Instytut Informatyki
Porównanie algorytmów wyszukiwania najkrótszych ścieżek między wierzchołkami grafu. Instytut Informatyki 22 listopada 2015 Algorytm DFS w głąb Algorytm przejścia/przeszukiwania w głąb (ang. Depth First
Bardziej szczegółowo2.12. Zadania odwrotne kinematyki
Politechnika Poznańska, Katedra Sterowania i Inżynierii Systemów str. 1 2.12. Zadania odwrotne kinematyki Określenie zadania odwrotnego kinematyki T 0 N = [ ] n s a p = r 11 r 12 r 13 p x r 21 r 22 r 23
Bardziej szczegółowoPlanowanie i realizacja ruchu z wykorzystaniem własności stabilizatora VFO dla robota z napędem różnicowym
Planowanie i realizacja ruchu z wykorzystaniem własności stabilizatora VFO dla robota z napędem różnicowym Maciej Michałek 1, Krzysztof Kozłowski 1 Streszczenie Artykuł prezentuje propozycję strategii
Bardziej szczegółowoUNIKANIE IMPASÓW W SYSTEMACH PROCESÓW WSPÓŁBIEŻNYCH
UNIKANIE IMPASÓW W SYSTEMACH PROCESÓW WSPÓŁBIEŻNYCH Robert Wójcik Instytut Cybernetyki Technicznej Politechniki Wrocławskiej 1. Impasy w systemach procesów współbieżnych 2. Klasyczne algorytmy unikania
Bardziej szczegółowoMechanika Robotów. Wojciech Lisowski. 5 Planowanie trajektorii ruchu efektora w przestrzeni roboczej
Katedra Robotyki i Mechatroniki Akademia Górniczo-Hutnicza w Krakowie Mechanika Robotów Wojciech Lisowski 5 Planowanie trajektorii ruchu efektora w przestrzeni roboczej Mechanika Robotów KRiM, WIMIR, AGH
Bardziej szczegółowoZastosowanie metody VFO do sterowania pojazdami N-przyczepowymi
Zastosowanie metody VFO do sterowania pojazdami N-przyczepowymi Naukowe seminarium wyjazdowe Szklarska Poręba, 5-8 V 211 Praca naukowa finansowana ze środków na naukę w latach 21-212 jako projekt badawczy
Bardziej szczegółowoTeoria obliczeń i złożoność obliczeniowa
Teoria obliczeń i złożoność obliczeniowa Kontakt: dr hab. inż. Adam Kasperski, prof. PWr. pokój 509 B4 adam.kasperski@pwr.wroc.pl materiały + informacje na stronie www. Zaliczenie: Egzamin Literatura Problemy
Bardziej szczegółowoKaskadowa metoda sterowania standardowym pojazdem N-przyczepowym z zastosowaniem algorytmu VFO
Kaskadowa metoda sterowania standardowym pojazdem N-przyczepowym z zastosowaniem algorytmu VFO Seminarium naukowe KSIS Poznań, kwiecień 2 Praca naukowa finansowana ze środków na naukę w latach 2-22 jako
Bardziej szczegółowoStruktury danych i złożoność obliczeniowa Wykład 7. Prof. dr hab. inż. Jan Magott
Struktury danych i złożoność obliczeniowa Wykład 7 Prof. dr hab. inż. Jan Magott Problemy NP-zupełne Transformacją wielomianową problemu π 2 do problemu π 1 (π 2 π 1 ) jest funkcja f: D π2 D π1 spełniająca
Bardziej szczegółowoPRACA DYPLOMOWA MAGISTERSKA
Politechnika Poznańska Wydział Budowy Maszyn i Zarządzania PRACA DYPLOMOWA MAGISTERSKA Konstrukcja autonomicznego robota mobilnego Małgorzata Bartoszewicz Promotor: prof. dr hab. inż. A. Milecki Zakres
Bardziej szczegółowoPorównanie wydajności CUDA i OpenCL na przykładzie równoległego algorytmu wyznaczania wartości funkcji celu dla problemu gniazdowego
Porównanie wydajności CUDA i OpenCL na przykładzie równoległego algorytmu wyznaczania wartości funkcji celu dla problemu gniazdowego Mariusz Uchroński 3 grudnia 2010 Plan prezentacji 1. Wprowadzenie 2.
Bardziej szczegółowoAlgorytmy wyznaczania centralności w sieci Szymon Szylko
Algorytmy wyznaczania centralności w sieci Szymon Szylko Zakład systemów Informacyjnych Wrocław 10.01.2008 Agenda prezentacji Cechy sieci Algorytmy grafowe Badanie centralności Algorytmy wyznaczania centralności
Bardziej szczegółowoFuzja sygnałów i filtry bayesowskie
Fuzja sygnałów i filtry bayesowskie Roboty Manipulacyjne i Mobilne dr inż. Janusz Jakubiak Katedra Cybernetyki i Robotyki Wydział Elektroniki, Politechnika Wrocławska Wrocław, 10.03.2015 Dlaczego potrzebna
Bardziej szczegółowoCyfrowe przetwarzanie obrazów i sygnałów Wykład 9 AiR III
1 Na podstawie materiałów autorstwa dra inż. Marka Wnuka. Niniejszy dokument zawiera materiały do wykładu z przedmiotu Cyfrowe Przetwarzanie Obrazów i Sygnałów. Jest on udostępniony pod warunkiem wykorzystania
Bardziej szczegółowoZagadnienia brzegowe dla równań eliptycznych
Temat 7 Zagadnienia brzegowe dla równań eliptycznych Rozważmy płaski obszar R 2 ograniczony krzywą. la równania Laplace a (Poissona) stawia się trzy podstawowe zagadnienia brzegowe. Zagadnienie irichleta
Bardziej szczegółowoZŁOŻONOŚĆ OBLICZENIOWA ALGORYTMÓW
ZŁOŻONOŚĆ OBLICZENIOWA ALGORYTMÓW NIEDETERMINISTYCZNE MASZYNY TURINGA Bartosz Zieliński Katedra Fizyki Teoretycznej i Informatyki Zima 2011-2012 NIEDETERMINISTYCZNE MASZYNY TURINGA DEFINICJA: NIEDETERMINISTYCZNA
Bardziej szczegółowoAlgorytm Dijkstry znajdowania najkrótszej ścieżki w grafie
Algorytm Dijkstry znajdowania najkrótszej ścieżki w grafie Używane struktury danych: V - zbiór wierzchołków grafu, V = {1,2,3...,n} E - zbiór krawędzi grafu, E = {(i,j),...}, gdzie i, j Î V i istnieje
Bardziej szczegółowoHarmonogramowanie przedsięwzięć
Harmonogramowanie przedsięwzięć Mariusz Kaleta Instytut Automatyki i Informatyki Stosowanej Politechnika Warszawska luty 2014, Warszawa Politechnika Warszawska Harmonogramowanie przedsięwzięć 1 / 25 Wstęp
Bardziej szczegółowoModele i narzędzia optymalizacji w systemach informatycznych zarządzania
Politechnika Poznańska Modele i narzędzia optymalizacji w systemach informatycznych zarządzania Joanna Józefowska POZNAŃ 2010/11 Spis treści Rozdział 1. Metoda programowania dynamicznego........... 5
Bardziej szczegółowoDefinicja problemu programowania matematycznego
Definicja problemu programowania matematycznego minimalizacja lub maksymalizacja funkcji min (max) f(x) gdzie: x 1 x R n x 2, czyli: x = [ ] x n przy ograniczeniach (w skrócie: p.o.) p.o. g i (x) = b i
Bardziej szczegółowoSPOTKANIE 6: Klasteryzacja: K-Means, Expectation Maximization
Wrocław University of Technology SPOTKANIE 6: Klasteryzacja: K-Means, Expectation Maximization Jakub M. Tomczak Studenckie Koło Naukowe Estymator jakub.tomczak@pwr.wroc.pl 4.1.213 Klasteryzacja Zmienne
Bardziej szczegółowoMichał Kozielski Łukasz Warchał. Instytut Informatyki, Politechnika Śląska
Michał Kozielski Łukasz Warchał Instytut Informatyki, Politechnika Śląska Algorytm DBSCAN Algorytm OPTICS Analiza gęstego sąsiedztwa w grafie Wstępne eksperymenty Podsumowanie Algorytm DBSCAN Analiza gęstości
Bardziej szczegółowoMETODY SZTUCZNEJ INTELIGENCJI algorytmy ewolucyjne
METODY SZTUCZNEJ INTELIGENCJI algorytmy ewolucyjne dr hab. inż. Andrzej Obuchowicz, prof. UZ Instytut Sterowania i Systemów Informatycznych Uniwersytet Zielonogórski A. Obuchowicz: MSI - algorytmy ewolucyjne
Bardziej szczegółowoWstęp do metod numerycznych Zadania numeryczne 2016/17 1
Wstęp do metod numerycznych Zadania numeryczne /7 Warunkiem koniecznym (nie wystarczającym) uzyskania zaliczenia jest rozwiązanie co najmniej 3 z poniższych zadań, przy czym zadania oznaczone literą O
Bardziej szczegółowoElementy wspo łczesnej teorii inwersji
Elementy wspo łczesnej teorii inwersji W. Debski, 11.12.2014 Liniowy problem odwrotny m est (λ) = m apr + (G T G + λi) 1 G T ( dobs G m apr) +δ debski@igf.edu.pl: W3-1 IGF PAN, 11.12.2014 Metoda algebraiczna
Bardziej szczegółowoSPOTKANIE 9: Metody redukcji wymiarów
Wrocław University of Technology SPOTKANIE 9: Metody redukcji wymiarów Piotr Klukowski* Studenckie Koło Naukowe Estymator piotr.klukowski@pwr.wroc.pl 08.12.2015 *Część slajdów pochodzi z prezentacji dr
Bardziej szczegółowoPodstawy robotyki wykład V. Jakobian manipulatora. Osobliwości
Podstawy robotyki Wykład V Jakobian manipulatora i osobliwości Robert Muszyński Janusz Jakubiak Instytut Informatyki, Automatyki i Robotyki Politechnika Wrocławska Metoda bezpośrednia uzyskania macierzy
Bardziej szczegółowoUniwersytet Zielonogórski Wydział Elektrotechniki, Informatyki i Telekomunikacji Instytut Sterowania i Systemów Informatycznych
Uniwersytet Zielonogórski Wydział Elektrotechniki, Informatyki i Telekomunikacji Instytut Sterowania i Systemów Informatycznych ELEMENTY SZTUCZNEJ INTELIGENCJI Laboratorium nr 9 PRZESZUKIWANIE GRAFÓW Z
Bardziej szczegółowoDrzewa spinające MST dla grafów ważonych Maksymalne drzewo spinające Drzewo Steinera. Wykład 6. Drzewa cz. II
Wykład 6. Drzewa cz. II 1 / 65 drzewa spinające Drzewa spinające Zliczanie drzew spinających Drzewo T nazywamy drzewem rozpinającym (spinającym) (lub dendrytem) spójnego grafu G, jeżeli jest podgrafem
Bardziej szczegółowoMODEL OPTYMALIZACYJNY SYNCHRONIZACJI LINII TRAMWAJOWYCH
Poznań - Rosnówko, 17-19.06.2015 r. Politechnika Poznańska Wydział Maszyn Roboczych i Transportu Zakład Systemów Transportowych MODEL OPTYMALIZACYJNY SYNCHRONIZACJI LINII TRAMWAJOWYCH mgr inż. Kamil Musialski
Bardziej szczegółowoS O M SELF-ORGANIZING MAPS. Przemysław Szczepańczyk Łukasz Myszor
S O M SELF-ORGANIZING MAPS Przemysław Szczepańczyk Łukasz Myszor Podstawy teoretyczne Map Samoorganizujących się stworzył prof. Teuvo Kohonen (1982 r.). SOM wywodzi się ze sztucznych sieci neuronowych.
Bardziej szczegółowoLista zadań nr 2 z Matematyki II
Lista zadań nr 2 z Matematyki II dla studentów wydziału Architektury, kierunku Gospodarka Przestrzenna. Wyznaczyć dziedzinę funkcji f(x, y) = ln(4 x 2 y 2 ), f(x, y) = x 2 + y 2, f(x, y) = ln(4 x 2 y 2
Bardziej szczegółowoMetody Lagrange a i Hamiltona w Mechanice
Metody Lagrange a i Hamiltona w Mechanice Mariusz Przybycień Wydział Fizyki i Informatyki Stosowanej Akademia Górniczo-Hutnicza Wykład 6 M. Przybycień (WFiIS AGH) Metody Lagrange a i Hamiltona... Wykład
Bardziej szczegółowoOgólne wiadomości o grafach
Ogólne wiadomości o grafach Algorytmy i struktury danych Wykład 5. Rok akademicki: / Pojęcie grafu Graf zbiór wierzchołków połączonych za pomocą krawędzi. Podstawowe rodzaje grafów: grafy nieskierowane,
Bardziej szczegółowoReprezentacja i analiza obszarów
Cechy kształtu Topologiczne Geometryczne spójność liczba otworów liczba Eulera szkielet obwód pole powierzchni środek ciężkości ułożenie przestrzenne momenty wyższych rzędów promienie max-min centryczność
Bardziej szczegółowoPole wielokąta. Wejście. Wyjście. Przykład
Pole wielokąta Liczba punktów: 60 Limit czasu: 1-3s Limit pamięci: 26MB Oblicz pole wielokąta wypukłego. Wielokąt wypukły jest to wielokąt, który dla dowolnych jego dwóch punktów zawiera również odcinek
Bardziej szczegółowoFunkcja liniowa - podsumowanie
Funkcja liniowa - podsumowanie 1. Funkcja - wprowadzenie Założenie wyjściowe: Rozpatrywana będzie funkcja opisana w dwuwymiarowym układzie współrzędnych X. Oś X nazywana jest osią odciętych (oś zmiennych
Bardziej szczegółowoPlanowanie drogi robota, algorytm A*
Planowanie drogi robota, algorytm A* Karol Sydor 13 maja 2008 Założenia Uproszczenie przestrzeni Założenia Problem planowania trasy jest bardzo złożony i trudny. W celu uproszczenia problemu przyjmujemy
Bardziej szczegółowoAlgorytm kinematyki odwrotnej typu jakobianu pseudoodwrotnego dla manipulatorów mobilnych. Mariusz Janiak 1
Na prawach rękopisu INSTYTUT INFORMATYKI AUTOMATYKI I ROBOTYKI POLITECHNIKI WROCŁAWSKIEJ Raport serii??? nr??/26 Algorytm kinematyki odwrotnej typu jakobianu pseudoodwrotnego dla manipulatorów mobilnych.
Bardziej szczegółowoPodstawy robotyki wykład III. Kinematyka manipulatora
Podstawy robotyki Wykład III sztywnego Robert Muszyński Janusz Jakubiak Instytut Informatyki, Automatyki i Robotyki Politechnika Wrocławska Manipulator typu PUMA ogniwo 2 ogniwo 3 ogniwo 1 PUMA układy
Bardziej szczegółowoSortowanie topologiczne skierowanych grafów acyklicznych
Sortowanie topologiczne skierowanych grafów acyklicznych Metody boolowskie w informatyce Robert Sulkowski http://robert.brainusers.net 23 stycznia 2010 1 Definicja 1 (Cykl skierowany). Niech C = (V, A)
Bardziej szczegółowoSZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA WYKŁAD 12. PRZESZUKIWANIE Częstochowa 2014 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska ROZWIĄZYWANIE PROBLEMÓW JAKO PRZESZUKIWANIE Istotną rolę podczas
Bardziej szczegółowoPlanowanie przedsięwzięć
K.Pieńkosz Badania Operacyjne Planowanie przedsięwzięć 1 Planowanie przedsięwzięć Model przedsięwzięcia lista operacji relacje poprzedzania operacji modele operacji funkcja celu planowania K.Pieńkosz Badania
Bardziej szczegółowoINFORMATYKA POZIOM ROZSZERZONY
EGZAMIN MATURALNY W ROKU SZKOLNYM 2016/2017 FORMUŁA OD 2015 ( NOWA MATURA ) INFORMATYKA POZIOM ROZSZERZONY ZASADY OCENIANIA ROZWIĄZAŃ ZADAŃ ARKUSZ MIN-R1, R2 MAJ 2017 Uwaga: Akceptowane są wszystkie odpowiedzi
Bardziej szczegółowoKinematyka robotów mobilnych
Kinematyka robotów mobilnych Maciej Patan Uniwersytet Zielonogórski Instytut Sterowania i Systemów Informatycznych Adaptacja slajdów do wykładu Autonomous mobile robots R. Siegwart (ETH Zurich Master Course:
Bardziej szczegółowoPrzykłady grafów. Graf prosty, to graf bez pętli i bez krawędzi wielokrotnych.
Grafy Graf Graf (ang. graph) to zbiór wierzchołków (ang. vertices), które mogą być połączone krawędziami (ang. edges) w taki sposób, że każda krawędź kończy się i zaczyna w którymś z wierzchołków. Graf
Bardziej szczegółowoAlgorytm Grovera. Kwantowe przeszukiwanie zbiorów. Robert Nowotniak
Wydział Fizyki Technicznej, Informatyki i Matematyki Stosowanej Politechnika Łódzka 13 listopada 2007 Plan wystapienia 1 Informatyka Kwantowa podstawy 2 Opis problemu (przeszukiwanie zbioru) 3 Intuicyjna
Bardziej szczegółowoZałącznik D (EC 7) Przykład analitycznej metody obliczania oporu podłoża
Załącznik D (EC 7) Przykład analitycznej metody obliczania oporu podłoża D.1 e używane w załączniku D (1) Następujące symbole występują w Załączniku D: A' = B' L efektywne obliczeniowe pole powierzchni
Bardziej szczegółowoMetody przeszukiwania
Metody przeszukiwania Co to jest przeszukiwanie Przeszukiwanie polega na odnajdywaniu rozwiązania w dyskretnej przestrzeni rozwiązao. Zwykle przeszukiwanie polega na znalezieniu określonego rozwiązania
Bardziej szczegółowoLingwistyczny system definicyjny wykorzystujący korpusy tekstów oraz zasoby internetowe.
Lingwistyczny system definicyjny wykorzystujący korpusy tekstów oraz zasoby internetowe. Autor: Mariusz Sasko Promotor: dr Adrian Horzyk Plan prezentacji 1. Wstęp 2. Cele pracy 3. Rozwiązanie 3.1. Robot
Bardziej szczegółowoAlgorytmy mrówkowe (optymalizacja kolonii mrówek, Ant Colony optimisation)
Algorytmy mrówkowe (optymalizacja kolonii mrówek, Ant Colony optimisation) Jest to technika probabilistyczna rozwiązywania problemów obliczeniowych, które mogą zostać sprowadzone do problemu znalezienie
Bardziej szczegółowoArkusz 6. Elementy geometrii analitycznej w przestrzeni
Arkusz 6. Elementy geometrii analitycznej w przestrzeni Zadanie 6.1. Obliczyć długości podanych wektorów a) a = [, 4, 12] b) b = [, 5, 2 2 ] c) c = [ρ cos φ, ρ sin φ, h], ρ 0, φ, h R c) d = [ρ cos φ cos
Bardziej szczegółowoWykorzystanie algorytmów mrówkowych w dynamicznym problem
Wykorzystanie algorytmów mrówkowych w dynamicznym problemie marszrutyzacji Promotor: dr inż. Aneta Poniszewska-Marańda Współpromotor: mgr inż. Łukasz Chomątek 14 czerwca 2013 Przedmiot i cele pracy dyplomowej
Bardziej szczegółowoStruktury danych i złożoność obliczeniowa Wykład 5. Prof. dr hab. inż. Jan Magott
Struktury danych i złożoność obliczeniowa Wykład. Prof. dr hab. inż. Jan Magott Algorytmy grafowe: podstawowe pojęcia, reprezentacja grafów, metody przeszukiwania, minimalne drzewa rozpinające, problemy
Bardziej szczegółowoSprawozdanie do zadania numer 2
Sprawozdanie do zadania numer 2 Michał Pawlik 29836 Temat: Badanie efektywności algorytmów grafowych w zależności od rozmiaru instancji oraz sposobu reprezentacji grafu w pamięci komputera 1 WSTĘP W ramach
Bardziej szczegółowoAlgorytmy kombinatoryczne w bioinformatyce
Algorytmy kombinatoryczne w bioinformatyce wykład 2: sekwencjonowanie cz. 1 prof. dr hab. inż. Marta Kasprzak Instytut Informatyki, Politechnika Poznańska Poznawanie sekwencji genomowej Poznawanie sekwencji
Bardziej szczegółowoAlgorytmy mrówkowe. H. Bednarz. Wydział Informatyki Zachodniopomorski Uniwersytet Technologiczny w Szczecinie Inteligentne systemy informatyczne
Algorytmy mrówkowe H. Bednarz Wydział Informatyki Zachodniopomorski Uniwersytet Technologiczny w Szczecinie Inteligentne systemy informatyczne 13 kwietnia 2015 1 2 3 4 Przestrzeń poszukiwań Ograniczenia
Bardziej szczegółowoBadania operacyjne: Wykład Zastosowanie kolorowania grafów w planowaniu produkcji typu no-idle
Badania operacyjne: Wykład Zastosowanie kolorowania grafów w planowaniu produkcji typu no-idle Paweł Szołtysek 12 czerwca 2008 Streszczenie Planowanie produkcji jest jednym z problemów optymalizacji dyskretnej,
Bardziej szczegółowoPOISSONOWSKA APROKSYMACJA W SYSTEMACH NIEZAWODNOŚCIOWYCH
POISSONOWSKA APROKSYMACJA W SYSTEMACH NIEZAWODNOŚCIOWYCH Barbara Popowska bpopowsk@math.put.poznan.pl Politechnika Poznańska http://www.put.poznan.pl/ PROGRAM REFERATU 1. WPROWADZENIE 2. GRAF JAKO MODEL
Bardziej szczegółowoProcesy stochastyczne
Wykład I: Istnienie procesów stochastycznych 2 marca 2015 Forma zaliczenia przedmiotu Forma zaliczenia Literatura 1 Zaliczenie ćwiczeń rachunkowych. 2 Egzamin ustny z teorii 3 Do wykładu przygotowane są
Bardziej szczegółowo21 maja, Mocna własność Markowa procesu Wienera. Procesy Stochastyczne, wykład 13, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1126
Mocna własność Markowa procesu Wienera Procesy Stochastyczne, wykład 13, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1126 21 maja, 2012 Mocna własność Markowa W = (W 1,..., W d ) oznaczać
Bardziej szczegółowoDetekcja punktów zainteresowania
Informatyka, S2 sem. Letni, 2013/2014, wykład#8 Detekcja punktów zainteresowania dr inż. Paweł Forczmański Katedra Systemów Multimedialnych, Wydział Informatyki ZUT 1 / 61 Proces przetwarzania obrazów
Bardziej szczegółowoPrzykłady obliczeń belek i słupów złożonych z zastosowaniem łączników mechanicznych wg PN-EN-1995
Politechnika Gdańska Wydział Inżynierii Lądowej i Środowiska Przykłady obliczeń belek i słupów złożonych z zastosowaniem łączników mechanicznych wg PN-EN-1995 Jerzy Bobiński Gdańsk, wersja 0.32 (2014)
Bardziej szczegółowoKLUCZ PUNKTOWANIA ODPOWIEDZI
Egzamin maturalny maj 009 MATEMATYKA POZIOM PODSTAWOWY KLUCZ PUNKTOWANIA ODPOWIEDZI Zadanie 1. Matematyka poziom podstawowy Wyznaczanie wartości funkcji dla danych argumentów i jej miejsca zerowego. Zdający
Bardziej szczegółowoInstrukcja. Laboratorium Metod i Systemów Sterowania Produkcją.
Instrukcja do Laboratorium Metod i Systemów Sterowania Produkcją. 2010 1 Cel laboratorium Celem laboratorium jest poznanie metod umożliwiających rozdział zadań na linii produkcyjnej oraz sposobu balansowania
Bardziej szczegółowoDigraf. 13 maja 2017
Digraf 13 maja 2017 Graf skierowany, digraf, digraf prosty Definicja 1 Digraf prosty G to (V, E), gdzie V jest zbiorem wierzchołków, E jest rodziną zorientowanych krawędzi, między różnymi wierzchołkami,
Bardziej szczegółowoLista. Przestrzenie liniowe. Zadanie 1 Sprawdź, czy (V, +, ) jest przestrzenią liniową nadr :
Lista Przestrzenie liniowe Zadanie 1 Sprawdź, czy (V, +, ) jest przestrzenią liniową nadr : V = R[X], zbiór wielomianów jednej zmiennej o współczynnikach rzeczywistych, wraz ze standardowym dodawaniem
Bardziej szczegółowoWykorzystanie metody przekrojów i jej wizualizacja dla celów w ochrony przeciwpowodziowej dolin rzecznych prof. dr hab. inż.. Andrzej Stateczny Akadem
Wykorzystanie metody przekrojów i jej wizualizacja dla celów w ochrony przeciwpowodziowej dolin rzecznych prof. dr hab. inż.. Andrzej Stateczny Akademia Morska Wydział Nawigacyjny Magdalena Kozak, Tomasz
Bardziej szczegółowoMetody eksploracji danych 2. Metody regresji. Piotr Szwed Katedra Informatyki Stosowanej AGH 2017
Metody eksploracji danych 2. Metody regresji Piotr Szwed Katedra Informatyki Stosowanej AGH 2017 Zagadnienie regresji Dane: Zbiór uczący: D = {(x i, y i )} i=1,m Obserwacje: (x i, y i ), wektor cech x
Bardziej szczegółowoCzęść I. Uwaga: Akceptowane są wszystkie odpowiedzi merytorycznie poprawne i spełniające warunki zadania. Zadanie 1.1. (0 3)
Uwaga: Akceptowane są wszystkie odpowiedzi merytorycznie poprawne i spełniające warunki zadania. Część I Zadanie 1.1. (0 3) 3 p. za prawidłową odpowiedź w trzech wierszach. 2 p. za prawidłową odpowiedź
Bardziej szczegółowoRozkłady wielu zmiennych
Rozkłady wielu zmiennych Uogólnienie pojęć na rozkład wielu zmiennych Dystrybuanta, gęstość prawdopodobieństwa, rozkład brzegowy, wartości średnie i odchylenia standardowe, momenty Notacja macierzowa Macierz
Bardziej szczegółowoZagadnienie transportowe
9//9 Zagadnienie transportowe Optymalizacja w procesach biznesowych Wykład Plan wykładu Przykład zagadnienia transportowego Sformułowanie problemu Własności zagadnienia transportowego Metoda potencjałów
Bardziej szczegółowoBładzenie przypadkowe i lokalizacja
Bładzenie przypadkowe i lokalizacja Zdzisław Burda Jarosław Duda, Jean-Marc Luck, Bartłomiej Wacław Seminarium Wydziałowe WFiIS AGH, 07/11/2014 Plan referatu Wprowadzenie Zwykłe bładzenie przypadkowe (GRW)
Bardziej szczegółowoProcesy stochastyczne
Wykład I: Istnienie procesów stochastycznych 21 lutego 2017 Forma zaliczenia przedmiotu Forma zaliczenia Literatura 1 Zaliczenie ćwiczeń rachunkowych. 2 Egzamin ustny z teorii 3 Do wykładu przygotowane
Bardziej szczegółowoAlgorytmy aproksymacyjne dla problemów stochastycznych
Algorytmy aproksymacyjne dla problemów stochastycznych Marcin Mucha Uniwersytet Warszawski Warszawa 29.04.2011 - p. 1/44 Plan - Wykład II Boosted sampling: drzewo Steinera, problemy addytywne: lokalizacja
Bardziej szczegółowoRozkład materiału nauczania
Dział/l.p. Ilość godz. Typ szkoły: TECHNIKUM Zawód: TECHNIK USŁUG FRYZJERSKICH Rok szkolny 2017/2018 Przedmiot: MATEMATYKA Klasa: III 60 godzin numer programu T5/O/5/12 Rozkład materiału nauczania Temat
Bardziej szczegółowoModelowanie wieloskalowe. Automaty Komórkowe - podstawy
Modelowanie wieloskalowe Automaty Komórkowe - podstawy Dr hab. inż. Łukasz Madej Katedra Informatyki Stosowanej i Modelowania Wydział Inżynierii Metali i Informatyki Przemysłowej Budynek B5 p. 716 lmadej@agh.edu.pl
Bardziej szczegółowoMetoda List Łańcuchowych
Metoda List Łańcuchowych mgr Tomasz Xięski, Instytut Informatyki, Uniwersytet Śląski Sosnowiec, 2010 Celem metody jest utrzymanie zalet MLI (dobre czasy wyszukiwania), ale wyeliminowanie jej wad (wysoka
Bardziej szczegółowoCyfrowe przetwarzanie obrazów i sygnałów Wykład 7 AiR III
1 Niniejszy dokument zawiera materiały do wykładu z przedmiotu Cyfrowe Przetwarzanie Obrazów i Sygnałów. Jest on udostępniony pod warunkiem wykorzystania wyłącznie do własnych, prywatnych potrzeb i może
Bardziej szczegółowoRozwiązywanie problemów metodą przeszukiwania
Rozwiązywanie problemów metodą przeszukiwania Dariusz Banasiak Katedra Informatyki Technicznej W4/K9 Politechnika Wrocławska Reprezentacja problemu w przestrzeni stanów Jedną z ważniejszych metod sztucznej
Bardziej szczegółowoAlgorytmy estymacji stanu (filtry)
Algorytmy estymacji stanu (filtry) Na podstawie: AIMA ch15, Udacity (S. Thrun) Wojciech Jaśkowski Instytut Informatyki, Politechnika Poznańska 21 kwietnia 2014 Problem lokalizacji Obserwowalność? Determinizm?
Bardziej szczegółowoWYDZIAŁ ELEKTROTECHNIKI I AUTOMATYKI KATEDRA AUTOMATYKI. Robot do pokrycia powierzchni terenu
WYDZIAŁ ELEKTROTECHNIKI I AUTOMATYKI KATEDRA AUTOMATYKI Robot do pokrycia powierzchni terenu Zadania robota Zadanie całkowitego pokrycia powierzchni na podstawie danych sensorycznych Zadanie unikania przeszkód
Bardziej szczegółowoWYBRANE ZAGADNIENIA OPTYMALIZACJI PRZEGLĄDÓW OKRESOWYCH URZĄDZEŃ ELEKTRONICZNYCH
Problemy Kolejnictwa Zeszyt 149 89 Dr inż. Adam Rosiński Politechnika Warszawska WYBRANE ZAGADNIENIA OPTYMALIZACJI PRZEGLĄDÓW OKRESOWYCH URZĄDZEŃ ELEKTRONICZNYCH SPIS TREŚCI 1. Wstęp. Optymalizacja procesu
Bardziej szczegółowoSystemy wbudowane. Uproszczone metody kosyntezy. Wykład 11: Metody kosyntezy systemów wbudowanych
Systemy wbudowane Wykład 11: Metody kosyntezy systemów wbudowanych Uproszczone metody kosyntezy Założenia: Jeden procesor o znanych parametrach Znane parametry akceleratora sprzętowego Vulcan Początkowo
Bardziej szczegółowoObciążenia środowiskowe: śnieg i wiatr wg PN-EN i PN-EN
Politechnika Gdańska Wydział Inżynierii Lądowej i Środowiska Obciążenia środowiskowe: śnieg i wg PN-EN 1991-1-3 i PN-EN 1991-1-4 Jerzy Bobiński Gdańsk, wersja 0.32 (2014) Obciążenie śniegiem Obciążenie
Bardziej szczegółowoMetodyka projektowania systemów sterowania Uwagi wstępne
Uwagi wstępne Inżynieria sterowania (Control Engineering) odgrywa dziś fundamentalną rolę w nowoczesnych systemach technologicznych, Korzyści ze sterowania w przemyśle,. mogą być wielorakie - poprawa jakości
Bardziej szczegółowoWykorzystanie programu COMSOL do analizy zmiennych pól p l temperatury. Tomasz Bujok promotor: dr hab. Jerzy Bodzenta, prof. Politechniki Śląskiej
Wykorzystanie programu COMSOL do analizy zmiennych pól p l temperatury metodą elementów w skończonych Tomasz Bujok promotor: dr hab. Jerzy Bodzenta, prof. Politechniki Śląskiej Plan prezentacji Założenia
Bardziej szczegółowoSYSTEMY UCZĄCE SIĘ WYKŁAD 10. PRZEKSZTAŁCANIE ATRYBUTÓW. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.
SYSTEMY UCZĄCE SIĘ WYKŁAD 10. PRZEKSZTAŁCANIE ATRYBUTÓW Częstochowa 2014 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska INFORMACJE WSTĘPNE Hipotezy do uczenia się lub tworzenia
Bardziej szczegółowo7.0. Fundament pod słupami od stropu nad piwnicą. Rzut fundamentu. Wymiary:
7.0. Fundament pod słupami od stropu nad piwnicą. Rzut fundamentu Wymiary: B=1,2m L=4,42m H=0,4m Stan graniczny I Stan graniczny II Obciążenie fundamentu odporem gruntu OBCIĄŻENIA: 221,02 221,02 221,02
Bardziej szczegółowoAlgorytmy grafowe. Wykład 1 Podstawy teorii grafów Reprezentacje grafów. Tomasz Tyksiński CDV
Algorytmy grafowe Wykład 1 Podstawy teorii grafów Reprezentacje grafów Tomasz Tyksiński CDV Rozkład materiału 1. Podstawowe pojęcia teorii grafów, reprezentacje komputerowe grafów 2. Przeszukiwanie grafów
Bardziej szczegółowoStrategia śledzenia trajektorii z unikaniem kolizji dla robota mobilnego klasy (2,0)
Strategia śledzenia trajektorii z unikaniem kolizji dla robota mobilnego klasy (2,) Maciej Michałek 1, Wojciech Kowalczyk 1, Krzysztof Kozłowski 1 Streszczenie Artykuł przedstawia koncepcję sterowania
Bardziej szczegółowoO strukturze przestrzeni konfiguracji w trójwymiarowym ruchu obrotowym
O strukturze przestrzeni konfiguracji w trójwymiarowym ruchu obrotowym dr inż. Przemysław Dobrowolski 4 stycznia 2017 Politechnika Warszawska Wydział Matematyki i Nauk Informacyjnych Wprowadzenie Zagadnienie
Bardziej szczegółowoWykorzystanie algorytmów mrówkowych w dynamicznym problem
Wykorzystanie algorytmów mrówkowych w dynamicznym problemie marszrutyzacji Promotor: dr inż. Aneta Poniszewska-Marańda Współpromotor: mgr inż. Łukasz Chomątek 18 stycznia 2013 Przedmiot i cele pracy dyplomowej
Bardziej szczegółowoCyfrowe przetwarzanie obrazów i sygnałów Wykład 8 AiR III
1 Niniejszy dokument zawiera materiały do wykładu z przedmiotu Cyfrowe Przetwarzanie Obrazów i Sygnałów. Jest on udostępniony pod warunkiem wykorzystania wyłącznie do własnych, prywatnych potrzeb i może
Bardziej szczegółowoWstęp do sieci neuronowych, wykład 07 Uczenie nienadzorowane.
Wstęp do sieci neuronowych, wykład 7. M. Czoków, J. Piersa Wydział Matematyki i Informatyki, Uniwersytet Mikołaja Kopernika w Toruniu 213-11-19 Projekt pn. Wzmocnienie potencjału dydaktycznego UMK w Toruniu
Bardziej szczegółowoPROBLEM: SORTOWANIE PRZEZ ODWRÓCENIA METODA: ALGORYTMY ZACHŁANNE
D: PROBLEM: SORTOWANIE PRZEZ ODWRÓCENIA METODA: ALGORYTMY ZACHŁANNE I. Strategia zachłanna II. Problem przetasowań w genomie III. Sortowanie przez odwrócenia IV. Algorytmy przybliżone V. Algorytm zachłanny
Bardziej szczegółowoSztuczna inteligencja i uczenie maszynowe w robotyce i systemach autonomicznych: AI/ML w robotyce, robotyka w AI/ML
Sztuczna inteligencja i uczenie maszynowe w robotyce i systemach autonomicznych: AI/ML w robotyce, robotyka w AI/ML Piotr Skrzypczyński Instytut Automatyki, Robotyki i Inżynierii Informatycznej, Politechnika
Bardziej szczegółowo