This class will give an introduction to robotics. It will be structured into the following parts:

• Generating motion and and dynamic control: This chapter will cover coordinate frames, non-holonomic constraints, Ackermann-drive (in analogy to street cars), PID.
• Planning: Planning around obstacles, path finding, Dijkstra, A*, configuration space obstacles, RRTs, lattice planners, gradient methods, potential fields, splines.
• Localization and mapping: state estimation problem, Bayesian filter, Odometry, Particle & Kalman filter, Extended and Unscented Kalman-Filter, simultaneous localization and mapping (SLAM).
• Vision and perception: SIFT, HOG-features, Deformable parts models, hough transform, lane detection, 3d-point clouds, RANSAC .

After these lectures, students will be able to design basic algorithms for motion, control and state estimation for robotics.

Die Vorlesung gibt eine Einführung in die Robotik. Sie ist in folgende Themenschwerpunkte untergliedert:

• Bewegungserzeugung und dynamische Regelungsverfahren: Dieser Schwerpunkt beschäftigt sich mit Koordinatensystemen, kinematischen Ketten, inverser Kindematik, Jacobimatrizen, Singularitäten, nichtholonomen Bewegungsmodellen, Ackermannmodellen sowie PID-Reglern.
• Planungsverfahren: Planung mit Hindernissen, Finden von Pfaden, Dijkstra, A*, Hindernisse im Konfigurationsraum, RRT, lattice planner, Gradientenabstieg, Potenzialfeldmethoden, Splines
• Lokalisierung und Mapping: Zustandsabschätzung, Bayesfilter, Odometrie, Partikelfilter, Kalmanfilter, SLAM-Verfahren.
• Vision und Umgebungswahrnehmung: SIFT, HOG-features, deformable parts models, hough transform, Spurerkennung, 3d-Punktwolken, RANSAC .

Nach dieser Vorlesung werden die Studenten in der Lage sein, einfache Algorithmen zur Bewegungserzeugung und Zustandsabschätzung für Roboter zu erzeugen