机器人与其他自治系统的独特之处在于它们能够自主移动。关键功能之一是机器人必须规划如何在空间中移动以完成所需任务。这个模块涵盖了两个紧密相关的主题：建模和运动规划。建模是描述机器人的数学手段，包括转换、坐标框架、正向和反向运动学以及操纵性。而运动规划涉及机器人必须执行的一系列转换序列以完成任务，通常使用图搜索和采样技术确定。此模块将使学生了解基本理论、当前领先研究以及不同方法的优缺点，并包括技术、道德和社会影响的评估。
培养学生对如何数学上描述机器人以及如何实现指定任务的理想值的关节和执行器期望值有深入的理解。
支持学生创建机器人技术和人工智能中的实用解决方案，测试和评估这些解决方案，并了解其局限性。
提供批判性分析工具，以评估在定义问题的背景下生成的实用解决方案的适用性和质量。
成功完成本模块后，学生将能够：
从数学角度对机器人进行建模，以解决机器人和人工智能领域的复杂问题。
应用运动规划的基本原理来解决机器人技术和人工智能领域的复杂问题。
使用工具如微分方程、控制理论和仿真软件来开发机器人系统和其他动态系统的数学模型。
分析和评估不同运动规划算法的性能，并根据相关标准确定最佳解决方案。
实施解决方案以解决运动规划的局限性和挑战，如不确定性、非线性和复杂性。
本课程将涵盖以下主题：
协调框架。
正向和反向运动学。
操纵性（Jacobians）。
基于图的搜索算法（如A*、Dijkstra）。
快速探索随机树。
动力学规划。
平滑算法，包括时间弹性频段。
能源效率。
道德和社会影响。
为了有资格选择本模块作为可选或选修课，学生必须在计划和年度学习年份中注册，并具备以下条件：
1. 数学和工程背景知识。
2. 了解微分方程、控制理论和仿真软件等工具。
3. 具备一定的编程和数学建模能力。
如需了解有关UCL-建模和运动计划课程辅导以及其他英国课程辅导的详细信息，请随时咨询DR.D留学生辅导机构。
