الخوارزميات البايزية للسيارات ذاتية القيادة

تقدّم هذه الدورة المتقدمة في علوم الحاسوب أهم خوارزميات التموضع (Localization) المعتمدة اليوم في المركبات ذاتية القيادة، مع بناء فهم عميق لفكرة التموضع البايزي وكيف يختلف عن المقاربات “الكلاسيكية”. ستبدأ بتثبيت الأساس: ما المقصود بالاحتمال البايزي وكيف نمثّل عدم اليقين في القياس والحركة، ثم تنتقل إلى الافتراض الماركوفي الذي تقوم عليه نماذج كثيرة في التتبّع. تغطي الدورة مرشح كالمان وكيفية استخدامه عندما تكون الضوضاء تقريباً غاوسية، وتشرح التوزيع الغاوسي والمتغيرات المتعددة ومصفوفة التغاير ودورها في تقدير الحالة. ثم تتناول المرشح الهيستوغرامي للتعامل مع توزيعات متعددة القمم (multi-modal) حيث لا تكفي الفرضيات الغاوسية. بعد ذلك ستدرس مرشح الجسيمات كأداة قوية للتموضع في بيئات معقّدة، مع التركيز على كيفية برمجته بكفاءة، اختيار عدد الجسيمات، وإدارة إعادة أخذ العينات لتقليل الانحراف. تتضمن الدورة تمارين وأسئلة تقويمية، بالإضافة إلى واجبات برمجية تساعدك على تحويل المفاهيم إلى تطبيقات عملية، وفهم نقاط القوة والقيود لكل مرشح، وكيف تختار الخوارزمية المناسبة بحسب طبيعة المستشعرات والبيئة ومتطلبات الزمن الحقيقي في أنظمة القيادة الذاتية.

• فهم مفهوم الاحتمال البايزي وعدم اليقين
• إتقان مرشحات الهيستوغرام وتطبيقاتها
• فهم افتراض ماركوف ودوره في التتبّع
• فهم التوزيع الغاوسي والغاوسي متعدد المتغيرات ومصفوفة التغاير
• التمييز بين مرشح كالمان ومرشح الجسيمات واستخدام كل منهما

• إلمام بأساسيات البرمجة مفيد