Robotics — Lernleitfaden

Connect observations, state, maps and behavior through existing explanations and experiments.

Ein strukturierter Lernweg durch Robotik, Regelung, kontrollierte Landwirtschaft, Energie- und Leistungselektronik.

Before you start Start with sensor, position and velocity terminology. Frames use vectors and matrices; estimation uses probability. Each topic links to its background.

1. System and runtime

Trace sensing through commands, then inspect communication and logs.

The autonomous robot system
- GuideRoadmap für Indoor-Robotik – von Sensoren bis zur Bewegungssteuerung
ROS 2 communication
- PrimerROS 2-Einführung – Sichere Verteilung der Robotersteuerung auf Knoten, Themen und DDS
Recording and replaying logs

Background: ROS 2 communication
- Lab · Run in browserRoboterfehler mit rosbag2 reproduzieren: Eingaben, TF und Zeit

2. Working with frames

Express the same point in different frames.

Coordinate transforms
- Primer · Run in browserRoboterkoordinatentransformationen: Matrizen, Quaternionen und TF

3. Estimating motion and state

Distinguish integrated motion from corrections using multiple sensors.

Wheel odometry

Background: Coordinate transforms
- PrimerEinführung in die Totwinkelnavigation – Integration von Rädern, IMU und GNSS zur Verfolgung der Roboterbewegung
IMU bias and noise
- Lab · Run in browserLesen Sie ein stationäres IMU-Log: Bias, Streuung und Allan-Abweichung
GNSS positioning and error
- Primer · Run in browserFunktionsweise von GNSS und wichtige Produkte – u-blox, Trimble, Fixposition
Sensor fusion

Background: Frames and time · Kalman filtering
- PrimerEinführung in die Sensorfusion – Erstellung eines globalen Modells aus vielen Sensoren
- Primer · Run in browserWarum Sensorfusion fehlschlägt – Timing, Frames und extrinsische Kalibrierung

4. Registration and mapping

Explore registration failures before studying the full SLAM system.

Point-cloud registration with ICP

Background: Coordinate transforms
- Lab · Run in browserWarum ICP fehlschlägt: Initialisierung, Ausreißer und symmetrische Geometrie
LiDAR SLAM

Background: Point-cloud registration with ICP · Pose-graph update
- PrimerLiDAR-SLAM-Einführung – Bestimmung der Position anhand von Laserpunktwolken
Evaluating SLAM accuracy

Background: LiDAR SLAM
- Lab · Run in browserWie man SLAM bewertet – ATE, RPE, Laufzeit und Fehler

Separate map representation, paths and behavior, then connect them with Nav2.

Occupancy grids

Background: Coordinate transforms
- PrimerBelegungsraster-Kartierung – Umwandlung von LiDAR- und Kameradaten in Begehbarkeit
More questions on this topic
- Read an additional check on occupancy probability and traversability.
Path search on a map

Background: Occupancy grids
- PrimerEinführung in die Regelungstechnik: Pfadplanung – A*, Dijkstra, RRT, RRT* und PRM
Behavior selection
- PrimerEinführung in die Verhaltensplanung: Wie FSMs, Verhaltensbäume und POMDPs das nächste Vorgehen eines automatisierten Fahrzeugs bestimmen
More questions on this topic
- Read an additional check on behavior choice and feasibility.
Navigation integration and debugging

Background: Behavior selection · Frames and time · Path search on a map
- Lab · Run in browserVon der Kartierung zur Navigation in ROS 2 – ein minimales Jazzy- und Nav2-Verfahren
- Lab · Run in browserNav2 hat einen Pfad, bewegt sich aber nicht: ein Diagnose-Workflow

1. System and runtime

The autonomous robot system

ROS 2 communication

Recording and replaying logs

2. Working with frames

Coordinate transforms

3. Estimating motion and state

Wheel odometry

IMU bias and noise

GNSS positioning and error

Sensor fusion

4. Registration and mapping

Point-cloud registration with ICP

LiDAR SLAM

Evaluating SLAM accuracy

5. From maps to motion

Occupancy grids

Path search on a map

Behavior selection

Navigation integration and debugging