i.uoh.oru.V5020.20201 DT4051 2026-06-21T05:19:55 2026-06-20 Kursen behandlar moderna probabilistiska metoder för autonoma robotar, med särskilt fokus på lokalisering och kartläggning (SLAM). Genom att räkna med sannolikheter för vilket tillstånd en robot befinner sig i eller hur dess omgivning ter sig, har man möjlighet att utveckla robustare metoder än om man använder deterministiska metoder. I kursen lär du dig ett antal probabilistiska metoder för lokalisering och kartering samt deras matematiska bakgrund. The course covers modern probabilistic methods for autonomous robots, with a particular focus on mapping and localisation (SLAM). By explicitly considering the probability that a robot is in a certain state or that its environment has certain properties, it is possible to develop more robust methods. In this course you will learn a number of probabilistic methods for localisation and mapping, as well as their mathematical underpinnings.

false 7.5 Examen på grundnivå om 180 högskolepoäng, med datavetenskap/datateknik som huvudområde och 15 högskolepoäng i matematik (analys och algebra). Alternativt examen på grundnivå om 180 högskolepoäng, varav 30 högskolepoäng i matematik (analys och algebra) samt 15 högskolepoäng i datateknik/datavetenskap (som innehåller programmering). Dessutom krävs Engelska 6/Engelska B. First-cycle degree of 180 credits, with Computer Science as the main field of study, and at least 15 credits in mathematics (analysis and algebra). The applicant must also have qualifications corresponding to the course "English 6" or "English B" from the Swedish Upper Secondary School. OR First-cycle degree of 180 credits, and at least 30 credits in mathematics (analysis and algebra), as well as at least 15 credits in Computer Science or Informatics (which includes programming). The applicant must also have qualifications corresponding to the course "English 6" or "English B" from the Swedish Upper Secondary School. uh