|
|
|
|
|
|
|
|
|
|
Ce MOOC est gratuit et correspond plus ou moins aux chapitres 6,7 du livre "la robotique mobile, Luc Jaulin (2015), ISTE editions" qui existe aussi
en version anglaise "Mobile Robotics, Luc Jaulin (2015), ISTE editions". Il s'agit d'un cours sur
le filtre de Kalman pour débutants, bien que certaines notions en mathématiques soient nécessaires
(typiquement le niveau demandé à l'entrée des écoles d'ingénieur). Ce MOOC peut également aider les enseignants qui doivent
enseigner le filtre de Kalman et qui souhaitent le faire de façon simple et intuitive, tout en restant rigoureux. Ici, nous ne traitons pas
le problème de la commande (chapitres 2,3,4 du même livre) qui est rattaché à un autre MOOC :
RobMOOC.
Un observateur d'état cherche à reconstruire le vecteur d'état d'un système dynamique à partir de toutes les données récoltées sur le système à travers le temps. Le but de ce cours est de présenter le filtre de Kalman qui permet une telle reconstruction, dans un contexte probabiliste où le système à observer est linéaire et le bruit gaussien. Le filtre de Kalman est utilisé dans de nombreuses applications comme la localisation en robotique mobile qui nous intéressera particulièrement. Pour une approche ensembliste (et non plus probabiliste), nous vous renvoyons vers un autre MOOC : IAMOOC.
Il est nécessaire d'avoir quelques notions en Matlab ou Python et des bases en mathématiques élémentaires (typiquement le niveau d'entrée requis à l'entrée d'école d'ingénieur). Nous éviterons l'utilisation d'outils mathématiques trop élaborés. Matlab ou Python doivent être installés sur votre machine.
Après ce cours, vous devriez maîtriser les calculs d'incertitudes à travers les matrices de covariance, comprendre les équations du filtre de Kalman et être capables de l'implémenter sur des cas pratiques.
Pour ceux et celles qui terminent correctement ce MOOC, un diplôme
vous sera distribué à la fin de ce cours.
Ce document permet à certains étudiants en thèse d'obtenir des crédits
ECTS
(European Credit Transfert System) que demandent les écoles doctorales.
Pour avoir votre diplôme, il vous faut un minimum de 30 points (sur les 43 points atteignables), ce qui vous permet de ne pas faire tous les exercices.
Un exemple type de diplôme :
Pour s'inscrire, il faut aller sur
L'inscription n'est pas obligatoire pour suivre les vidéos, mais est indispensable pour avoir le diplôme.
Une vidéo de correction pour les exercices vous est donnée lors de l'ouverture de la leçon, mais pas le programme informatique car c'est à vous de le faire. Cette vidéo vous donne une méthode possible de résolution, mais vous n'êtes pas obligés de la suivre. Parfois, on ne vous demande pas de rendre un programme Matlab ou Python, mais une correction sur papier. Dans ce cas, postez un scan (pris par votre téléphone, par exemple) ou un fichier en pdf.
Ce cours se réparti en 8 leçons (numérotées A,B,C,D,E,F,G,H). Chaque leçon est constituée d'une heure de cours et de deux heures de travaux pratiques sur machine.
Pour chaque leçon, vous devez rendre, pour chaque exercice, le programme
Python, Matlab (ou autre) associé.
Vos fichiers devront être envoyés par email à jaulin.kalmooc@gmail.com
avant le jeudi (12h) de la semaine qui suit.
Il faudrait m'envoyer un fichier pdf avec des explications et des captures écran du programme réalisé.
Enoncés avec le cours.
Sources Latex + figures du polycopié (utile si vous voulez reprendre des éléments pour vos propres cours)
Programmes de démarrage pour les utilisateurs de Matlab.
Programmes de démarrage pour les utilisateurs de Python.
Librairie à utiliser par les utilisateurs de Python roblib.py.
