پروژه هوش محاسباتی و رباتیکز

Learning-initialized Trajectory Planning in Unknown Environments ما به دنبال همکاری با یک فریلنسر متخصص در زمینه رباتیک، شبیه‌سازی و یادگیری ماشین هستیم برای اجرای پروژه‌ای با تمرکز بر برنامه‌ریزی مسیر در محیط‌های ناشناخته، با استفاده از ساختار ESDF (Euclidean Signed Distance Field) و یادگیری ماشین برای بهبود ورودی‌ها. جزئیات: 1. پیاده‌سازی و اجرای ESDF: - تولید و استفاده از ESDF بر پایه داده‌های point cloud. - ساخت map از داده‌های حسگر (مثلاً RGB-D یا depth map). 2. پردازش Point Cloud: - خواندن و فیلتر کردن داده‌ها. - تولید نقشه سه‌بعدی قابل استفاده در مسیریابی. 3. اجرای کد و یکپارچه‌سازی: - توانایی اجرا و تست کامل کد (در ROS یا سایر فریم‌ورک‌های مرتبط). - آماده‌سازی زیرساخت برای اجرای مسیر‌یابی مبتنی بر ESDF. 4. استفاده از شبیه‌ساز (Gazebo): - راه‌اندازی محیط شبیه‌سازی برای تست و ارزیابی سیستم. - اضافه کردن موانع و سناریوهای متنوع جهت تست ربات در محیط ناشناخته. 5. بهبود داده‌های ورودی: - به جای استفاده از داده‌ی مستقیم از Kinect یا حسگرهای فیزیکی، استفاده از depth map تولیدشده با مدل‌های پیشرفته مانند: ZoeDepth DepthAnything Marigold - یکپارچه‌سازی خروجی این مدل‌ها با سیستم مسیر‌یابی. 📚 توانایی ها و نمونه کار های خود (درصورت وجود) به علاوه پیشنهاد خودتون رو برای ما ارسال کنید تا مورد بررسی قرار بگیره. سطح پروژه: پروژه دانشجویی مهارت‌های موردنیاز: - تجربه در ROS و Gazebo - تسلط بر کار با Point Cloud (PCL یا open3d) - آشنایی با ESDF، TSDF و نقشه‌برداری سه‌بعدی - تجربه در کار با مدل‌های deep learning تولید عمق - توانایی پیاده‌سازی الگوریتم‌های مسیر‌یابی - داشتن تجربه در برنامه نویسی رباتیکز خروجی مورد انتظار: + یک سیستم کامل trajectory planning که در محیط ناشناخته بتواند مسیر مناسب را بر اساس depth map پیدا کند. + قابلیت اجرا در شبیه‌ساز و مستندسازی کامل مراحل. + چالش های پیاده سازی در سیستم کارفرما رفع گردد. کمکی: Learning-initialized Trajectory Planning in Unknown Environments https://arxiv.org/abs/2309.10683