Systèmes Intelligents Distribués: Filtres Kalman et Flocing

Cette séance de cours couvre l'application des filtres Kalman dans la localisation des robots, la fusion des données sensorielles et les mouvements collectifs. Il explique l'algorithme du filtre Kalman, l'estimation du modèle de mouvement et la fusion de la prédiction du modèle de mouvement avec de nouvelles mesures. De plus, il se transforme en incertitudes non déterministes dans l'odométrie basée sur les roues et les défis de faire face aux obstacles dans les comportements de regroupement. La séance de cours explore également le concept d'affluence dans les sociétés animales, en mettant l'accent sur l'algorithme Boids de Reynolds pour simuler les mouvements collectifs. Différents exemples et algorithmes sont discutés, soulignant l'importance du contrôle décentralisé et de la matrice laplacienne pour résoudre le problème de rendez-vous.