Mekatronik Mühendisliği İngilizce (DR) (Lisans Dereceli) | |||||
Doktora | TYYÇ: 8. Düzey | QF-EHEA: 3. Düzey | EQF-LLL: 8. Düzey |
Ders Kodu: | AUTO526 | ||||||||
Ders İsmi: | Autonomous Vehicles | ||||||||
Ders Yarıyılı: | Güz | ||||||||
Ders Kredileri: |
|
||||||||
Öğretim Dili: | EN | ||||||||
Ders Koşulu: | |||||||||
Ders İş Deneyimini Gerektiriyor mu?: | Hayır | ||||||||
Dersin Türü: | Bölüm Seçmeli | ||||||||
Dersin Seviyesi: |
|
||||||||
Dersin Veriliş Şekli: | Yüz yüze | ||||||||
Dersin Koordinatörü: | Prof. Dr. RAMAZAN NEJAT TUNCAY | ||||||||
Dersi Veren(ler): |
Dr. İSMAİL BAYEZİT |
||||||||
Dersin Yardımcıları: |
Dersin Amacı: | Bu ders, uygulamalı deneyimi vurgulayan özerklik eğitimi için açık kaynaklı bir müfredat aracılığıyla algılama, navigasyon, planlama ve kontroldeki sorunları ve kendi kendini süren araçlar bağlamında sistem düzeyinde entegrasyonunu ele alır. Kursun ayrılmaz bir parçası olan öğrenciler, yollar, tabelalar, trafik ışıkları, engeller ve vatandaşlarla dolu bir model kasabada gezinmek amacıyla derste kapsanan kavramları düşük maliyetli bir otonom araç üzerinde uygulamak için işbirliği yapacaklardır. |
Dersin İçeriği: | Otonom mobil robotik için olasılıksal tekniklerin teorisini ve uygulamasını, kendi kendini süren araçlar bağlamında uygulamalarına özel bir vurgu yaparak kapsayacaktır. Konular arasında mobil robotlar için olasılıksal durum tahmini ve karar verme; çevrenin stokastik temsilleri; mobil robotlar için dinamik modeller ve sensör modelleri; haritalama ve yerelleştirme için algoritmalar; belirsizlik varlığında planlama ve kontrol; çoklu mobil robotların ortak çalışması; mobil sensör ağları; algı için derin öğrenme; uzman yörüngelerinden taklit; pekiştirmeli öğrenme. |
Bu dersi başarıyla tamamlayabilen öğrenciler;
|
Hafta | Konu | Ön Hazırlık |
1) | Otonomi Mimarileri | Ders Notu |
2) | Sensörler ve modeller | Ders Notu |
3) | Bilgisayarla Görme | Ders Notu |
4) | Nonlinear filtering and state estimation (Bayes filter, Kalman filter, particle filter, SLAM) | Ders Notu |
5) | Nonlinear filtering and state estimation (Bayes filter, Kalman filter, particle filter, SLAM) | Ders Notu |
6) | Navigation and planning (mission planning, motion planning and control basics) | Ders Notu |
7) | Navigation and planning (mission planning, motion planning and control basics) | Ders Notu |
8) | Complex perception pipelines (use of object detection, reading traffic signs, and tracking) | Ders Notu |
9) | Complex perception pipelines (use of object detection, reading traffic signs, and tracking) | Ders Notu |
10) | Tools for making robots work (Docker, ROS, Git, network basics) | Ders Notu |
11) | Reinforcement learning and sim2real transfer | Ders Notu |
12) | Deep learning for perception | Ders Notu |
13) | Deep learning for perception | Ders Notu |
14) | Deep learning for perception | Ders Notu |
Ders Notları / Kitaplar: | Ders Notları |
Diğer Kaynaklar: | Course Notes |
Ders Öğrenme Kazanımları | 1 |
2 |
4 |
3 |
||
---|---|---|---|---|---|---|
Program Kazanımları | ||||||
1) Mühendislik problemlerinin çözümüne mekatroniğin disiplinler arası sinerjik yaklaşımını uygulayabilme bilgi ve becerisi | ||||||
2) Mekatronik yaklaşımını kullanarak mekatronik ürünler ve sistemler tasarlayabilme becerisi | ||||||
3) Var olan ürün ya da süreçleri mekatronik yaklaşımıyla analiz edip geliştirebilme bilgi ve becerisi | ||||||
4) Etkin iletişim kurabilme ve diğer disiplinlerle takım çalışması yapabilme becerisi | ||||||
5) Mühendisliği etik prensiplere uygun olarak yerine getirme anlayışı | ||||||
6) Yerel ve küresel sosyoekonomik etkilerin farkında olarak teknolojiyi kullanma anlayışı | ||||||
7) Yaşam boyu öğrenimin gerekliliğini bilme ve yerine getirme yaklaşımı |
Etkisi Yok | 1 En Düşük | 2 Düşük | 3 Orta | 4 Yüksek | 5 En Yüksek |
Dersin Program Kazanımlarına Etkisi | Katkı Payı | |
1) | Mühendislik problemlerinin çözümüne mekatroniğin disiplinler arası sinerjik yaklaşımını uygulayabilme bilgi ve becerisi | 1 |
2) | Mekatronik yaklaşımını kullanarak mekatronik ürünler ve sistemler tasarlayabilme becerisi | |
3) | Var olan ürün ya da süreçleri mekatronik yaklaşımıyla analiz edip geliştirebilme bilgi ve becerisi | |
4) | Etkin iletişim kurabilme ve diğer disiplinlerle takım çalışması yapabilme becerisi | 1 |
5) | Mühendisliği etik prensiplere uygun olarak yerine getirme anlayışı | |
6) | Yerel ve küresel sosyoekonomik etkilerin farkında olarak teknolojiyi kullanma anlayışı | |
7) | Yaşam boyu öğrenimin gerekliliğini bilme ve yerine getirme yaklaşımı |
Yazılı Sınav (Açık uçlu sorular, çoktan seçmeli, doğru yanlış, eşleştirme, boşluk doldurma, sıralama) | |
Ödev | |
Uygulama | |
Bireysel Proje | |
Sunum | |
Raporlama |
Yarıyıl İçi Çalışmaları | Aktivite Sayısı | Katkı Payı |
Projeler | 1 | % 30 |
Ara Sınavlar | 1 | % 30 |
Final | 1 | % 40 |
Toplam | % 100 | |
YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI | % 60 | |
YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI | % 40 | |
Toplam | % 100 |
Aktiviteler | Aktivite Sayısı | Süre (Saat) | İş Yükü |
Ders Saati | 14 | 3 | 42 |
Proje | 1 | 175 | 175 |
Ara Sınavlar | 1 | 24 | 24 |
Final | 1 | 48 | 48 |
Toplam İş Yükü | 289 |