Master of Engineering in Robotik

Anforderungen für den Abschluss

Master of Engineering: 30 Credits oder 10 Kurse

Studierende, die diese Option anstreben, müssen vier Kernfächer und sechs technische Wahlfächer ihrer Wahl aus der oben genehmigten Liste der Kurse absolvieren. Studierende sollten sich vor der Anmeldung mit ihrem Betreuer beraten und für alle technischen Wahlfächer eine Vorabgenehmigung einholen.* In einigen Semestern sind möglicherweise auch Kurse zu speziellen Themen verfügbar. Studierende sollten sich bei Interesse an einem dieser neuen Kurse an ihren Studienberater wenden. Für diesen Abschluss ist keine Forschungs- oder Abschlussarbeit erforderlich.

*CMSC426 deckt Inhalte ab, die ENPM673 sehr ähnlich sind, und wird nicht für den M.Eng. zugelassen. Grad.

Graduate Certificate in Engineering: 12 Credits oder 4 Kurse

Diese Option erfordert den erfolgreichen Abschluss von vier Kursen der oben aufgeführten Robotik-Kernkurse. Studierende sollten sich vor der Anmeldung mit ihrem Betreuer beraten.

Kurse

CMSC651 Analyse von Algorithmen (3 Credits) | Wahlfach

Effizienz von Algorithmen, Größenordnungen, Wiederholungsbeziehungen, Techniken der unteren Schranken, Zeit- und Raumressourcen, NP-vollständige Probleme, Polynomhierarchien und Approximationsalgorithmen. Sortieren, Suchen, Mengenmanipulation, Graphentheorie, Matrixmultiplikation, schnelle Fourier-Transformation, Mustervergleich sowie Ganzzahl- und Polynomarithmetik.

CMSC712 Verteilte Algorithmen und Verifizierung (3 Credits) | Wahlfach

Untersuchung von Algorithmen aus der Literatur zu verteilten und gleichzeitigen Systemen. Formaler Ansatz zur Spezifizierung, Verifizierung und Ableitung solcher Algorithmen. Ausgewählte Bereiche aus gegenseitigem Ausschluss, Ressourcenzuweisung, Ruheerkennung, Wahl, byzantinischen Vereinbarungen, Routing, Netzwerkprotokollen und Fehlertoleranz. Formale Ansätze übernehmen die Systemspezifikation und die Überprüfung von Sicherheit, Lebendigkeit und Echtzeiteigenschaften.

CMSC722 Künstliche Intelligenzplanung (3 Credits) | Wahlfach

Automatisierte Planung von Maßnahmen zur Erreichung bestimmter gewünschter Ziele. Grundlegende Algorithmen, wichtige Systeme und neue Richtungen im Bereich der Planungssysteme für künstliche Intelligenz.

CMSC733 Computerverarbeitung von Bildinformationen (3 Credits) | Wahlfach

Eingabe, Ausgabe und Speicherung von Bildinformationen. Bilder als Informationsquellen, effiziente Kodierung, Abtastung, Quantisierung und Approximation. Positionsinvariante Operationen an Bildern, digitalen und optischen Implementierungen, der Pax-Sprache, passenden Anwendungen und räumlicher Frequenzfilterung. Bildqualität, Bildverbesserung und Bildwiederherstellung. Bildeigenschaften und Bildmustererkennung. Bearbeitung komplexer Bilder; Figurenextraktion, Eigenschaften von Figuren. Datenstrukturen zur Bildbeschreibung und -manipulation; Bildsprachen. Grafiksysteme für alphanumerische und andere Symbole, Strichzeichnungen zwei- und dreidimensionaler Objekte, Cartoons und Filme.

CMSC734 Informationsvisualisierung (3 Credits) | Wahlfach

Unter Informationsvisualisierung versteht man Grafiken, wissenschaftliche Visualisierung, Datenbanken, Data Mining und Mensch-Computer-Interaktion. Visualisierungen für dimensionale, zeitliche, hierarchische und Netzwerkdaten. Untersucht Designalternativen, Algorithmen, Datenstrukturen, koordinierte Ansichten und Bewertungen der Wirksamkeit menschlicher Faktoren.

ENAE681 Technische Optimierung (3 Credits) | Wahlfach

Methoden zur uneingeschränkten und eingeschränkten Minimierung von Funktionen mehrerer Variablen. Sensitivitätsanalyse für Systeme algebraischer Gleichungen, Eigenwertprobleme und Systeme gewöhnlicher Differentialgleichungen. Methoden zur Transformation eines Optimierungsproblems in eine Folge von Näherungsproblemen. Optimale Design-Sensitivitätsanalyse.

Einschränkung: Genehmigung der ENGR-Abteilung für Luft- und Raumfahrttechnik.

ENAE692 Einführung in die Weltraumrobotik (3 Credits) | Wahlfach

Analysetechniken für Manipulatorkinematik und -dynamik. DH-Parameter, serielle und parallele Manipulatoren, Redundanzansätze. Anwendungen von Robotern für Weltraumoperationen, einschließlich Manipulatoren auf frei fliegenden Stützpunkten, Satellitenwartung und Planetenoberflächenmobilität. Sensoren, Aktoren und Mechanismusdesign. Befehl und Kontrolle mit dem Menschen auf dem Laufenden.

ENAE697 Menschliche Faktoren im Weltraum und Lebenserhaltung (3 Credits) | Wahlfach

Technische Anforderungen unterstützen den Menschen im Weltraum. Lebenserhaltungsdesign: Strahlungseffekte und Minderungsstrategien; Anforderungen an die Atmosphäre; Wasser, Nahrung und Temperaturkontrolle. Anpassungsmöglichkeiten für die menschliche Produktivität im Weltraum: physische und psychische Anforderungen; Arbeitsplatzgestaltung; und Sicherheitsauswirkungen von Systemarchitekturen. Design und Betrieb für Aktivitäten außerhalb des Fahrzeugs.

ENME600 Technische Entwurfsmethoden (3 Credits) | Wahlfach

Allgemeiner Maschinenbau

Dies ist ein Einführungskurs für Hochschulabsolventen in kritisches Denken über formale Designmethoden im Maschinenbau. Die Kursteilnehmer erhalten Hintergrundinformationen zu diesen Methoden und dem kreativen Potenzial, das sie Designern bieten. Die Teilnehmer formulieren, präsentieren und diskutieren ihre eigene Meinung zum Wert und zur angemessenen Verwendung von Konstruktionsmaterialien für den Maschinenbau.

Voraussetzungen: Hochschulabschluss oder Erlaubnis des Dozenten.

ENME605 Advanced Systems Control (3 Credits) | Wahlfach

Allgemeiner Maschinenbau

Moderne Kontrolltheorie sowohl für kontinuierliche als auch für diskrete Systeme. Die Darstellung des Zustandsraums wird überprüft und die Konzepte der Steuerbarkeit und Beobachtbarkeit werden diskutiert. Entwurfsmethoden deterministischer Beobachter werden vorgestellt und die Theorie der optimalen Steuerung formuliert. Es werden Steuerungstechniken zur Änderung der Systemeigenschaften besprochen.

Voraussetzung: ENME462; oder Erlaubnis des Lehrers.

ENME607 Technische Entscheidungsfindung (3 Credits) | Wahlfach

Im Rahmen der Konstruktionsplanung, des Projektmanagements und anderer Funktionen müssen Ingenieure Entscheidungen treffen, und das fast immer unter Zeit- und Budgetbeschränkungen. Das Management von Risiken erfordert, Entscheidungen trotz Unsicherheit zu treffen. In diesem Kurs werden Materialien zur individuellen Entscheidungsfindung, zur Gruppenentscheidung und zur Organisation von Entscheidungsträgern behandelt. Der Kurs stellt Techniken vor, um bessere Entscheidungen zu treffen, um zu verstehen, wie Entscheidungen miteinander zusammenhängen, und um Risiken zu managen.

Wird auch als ENRE 671 angeboten. Gutschrift wird nur für ENME 808X, ENRE 671 oder ENME 607 gewährt. Früher: ENME 808X.

ENME610 Technische Optimierung (3 Credits) | Wahlfach

Allgemeiner Maschinenbau

Überblick über angewandte Einzel- und Mehrzieloptimierungs- und Entscheidungskonzepte und -techniken mit Anwendungen bei technischen Konstruktions- und/oder Fertigungsproblemen. Zu den Themen gehören Formulierungsbeispiele, Konzepte, Optimalitätsbedingungen, uneingeschränkte/eingeschränkte Methoden und Postoptimalitäts-Sensitivitätsanalyse. Von den Studierenden wird erwartet, dass sie ein Semester lang an einem praxisnahen Ingenieurprojekt mit mehreren Zielen arbeiten.

Voraussetzung: Hochschulabschluss oder Erlaubnis des Dozenten.

ENME664 Dynamics (3 Credits) | Wahlfach

Allgemeiner Maschinenbau

Kinematik in Ebene und Raum; Dynamik von Teilchen, Teilchensystem und starren Körpern. Holonomische und nichtholonome Einschränkungen. Newtons Gleichungen, D'Alemberts Prinzip, Hamiltons Prinzip und die Gleichungen von Lagrange. Aufprall und Kollisionen. Stabilität von Gleichgewichten.

Voraussetzung: ENES221; oder Studierende, die Lehrveranstaltungen mit ähnlichen oder vergleichbaren Lehrinhalten belegt haben, können sich an den Fachbereich wenden; oder Erlaubnis des Lehrers.

ENME695 Fehlermechanismen und Zuverlässigkeit (3 Credits) | Wahlfach

Allgemeiner Maschinenbau

In diesem Kurs werden klassische Zuverlässigkeitskonzepte und -definitionen vorgestellt, die auf der statistischen Analyse beobachteter Fehlerverteilungen basieren. Es werden Techniken zur Verbesserung der Zuverlässigkeit vorgestellt, die auf der Untersuchung von Fehlerursachenmechanismen basieren. basierend auf Kenntnissen zum Lebenszykluslastprofil, zur Produktarchitektur und zu Materialeigenschaften. Es werden Techniken zur Behebung von Betriebsausfällen durch robuste Konstruktions- und Herstellungspraktiken besprochen. Die Studierenden erwerben die Grundlagen und Fähigkeiten im Bereich Zuverlässigkeit, da diese direkt mit der Konstruktion und Herstellung elektrischer, mechanischer und elektromechanischer Produkte zusammenhängen.

ENPM605 Python-Anwendungen für die Robotik (3 Credits) | Wahlfach

ENPM640 Rehabilitationsrobotik (3 Credits) | Wahlfach

Früher ENPM808J

Dieser Kurs bietet eine Einführung in einen Bereich der Robotik, der sich der Verbesserung des Lebens von Menschen mit Behinderungen widmet. Der Kurs richtet sich an Doktoranden, die mehr über Rehabilitationsrobotik erfahren möchten, einen aufstrebenden und am schnellsten wachsenden Bereich der Robotik. Unter Rehabilitationsrobotik versteht man den Einsatz von Robotern zur Überwindung von Behinderungen, die aus neurologischen Verletzungen und körperlichen Traumata resultieren, und zur Verbesserung der Lebensqualität. Im Gegensatz zu anderen Fachgebieten und/oder Kursen in der Robotik berücksichtigt dieser Kurs nicht nur technisches Design und Entwicklung, sondern auch die menschlichen Faktoren, die einige innovative Technologien erfolgreich und andere kommerziell scheitern lassen. Technische Innovationen allein – ohne Berücksichtigung anderer Faktoren wie evidenzbasierter Forschung und Entwicklung und Produktakzeptanz – können dazu führen, dass einige Technologien nicht verfügbar werden oder bleiben oder nicht wirksam sind, um ihren beabsichtigten Nutznießern zu helfen. Dieser Studiengang unterscheidet sich von der biomedizinischen Technik dadurch, dass er sich auf die Verbesserung der Lebensqualität und nicht auf die Verbesserung der medizinischen Behandlung konzentriert.

ENPM645 Mensch-Roboter-Interaktion (3 Credits) | Wahlfach

Früher ENPM808K

Definieren Sie die Schnittmenge der Mensch-Roboter-Interaktionen, um Mensch-Computer-Schnittstellen sowie Roboteremotionen, Gesichtsausdrücke und Emulationen einzubeziehen. Das Ergebnis wird den Studierenden eine Grundlage bieten, um die besten Ansätze für eine effektive Interaktion mit Robotern zu bewerten.

ENPM661 Planung für autonome Roboter (3 Credits) | Kern

Planung ist eine grundlegende Fähigkeit, die zur Realisierung autonomer Roboter erforderlich ist. Die Planung im Kontext autonomer Roboter erfolgt auf mehreren Ebenen. Auf der obersten Ebene wird die Aufgabenplanung durchgeführt, um die Aufgaben zu identifizieren und zu sequenzieren, die zur Erfüllung der Missionsanforderungen erforderlich sind. Auf der nächsten Ebene wird die Planung durchgeführt, um eine Abfolge von Bewegungszielen zu bestimmen, die individuelle Aufgabenziele und Einschränkungen erfüllen. Schließlich wird auf der untersten Ebene die Trajektorienplanung durchgeführt, um Aktoraktionen zur Verwirklichung der Bewegungsziele zu bestimmen. Um eine Planung auf unterschiedlichen Ebenen zu erreichen, kommen unterschiedliche Algorithmen zum Einsatz. In diesem Graduiertenkurs werden Planungstechniken zur Realisierung autonomer Roboter vorgestellt. In diesem Kurs werden nicht nur traditionelle Bewegungsplanungstechniken behandelt, sondern auch die Rolle der Physik im Planungsprozess hervorgehoben. In diesem Kurs wird auch erläutert, wie die Planungskomponente in die Steuerungskomponente integriert wird. In diesem Kurs werden mobile Roboter als Beispiele zur Veranschaulichung der Konzepte verwendet. Die im Kurs vorgestellten Techniken sind jedoch gleichermaßen auf Robotermanipulatoren anwendbar

ENPM662 Einführung in die Robotermodellierung (3 Credits) | Kern

In diesem Kurs werden die Grundprinzipien für die Modellierung eines Roboters vorgestellt. Der größte Teil des Kurses konzentriert sich auf die Modellierung von Manipulatoren basierend auf seriellen Mechanismen. Der Kurs beginnt mit einer Beschreibung der homogenen Transformation und starren Bewegungen. Anschließend werden Konzepte im Zusammenhang mit Kinematik, inverser Kinematik und Jacobi-Methoden vorgestellt. Anschließend führt dieser Kurs in die Eulersche und Lagrange-Dynamik ein. Abschließend wird der Kurs mit einer Einführung in die Grundprinzipien für die Modellierung von Manipulatoren auf Basis paralleler Mechanismen abgeschlossen. Die in diesem Kurs vorgestellten Konzepte werden anschließend in Steuerungs- und Planungskursen verwendet.

ENPM663 Aufbau eines Fertigungsroboter-Softwaresystems (3 Credits) | Wahlfach

Früher ENPM809B. Der Kurs befasst sich mit den Komponenten von Fertigungsrobotern, einschließlich Architekturen, Wissensrepräsentation, Planung, Steuerung, Sicherheit, Standards und Mensch-Roboter-Interaktion. Die Studierenden erkunden die Arbeit, die weltweit in jedem dieser Bereiche durchgeführt wird, und führen im Unterricht kleine praktische Übungen durch, um ein tieferes Verständnis dafür zu erlangen, wie ein ausgewählter Satz dieser Technologien auf reale Herausforderungen angewendet werden kann. Zu diesem Kurs werden eingeladene Vorträge von Experten auf diesem Gebiet gehören.

Empfohlen: Vorkenntnisse in der Programmierung mit C++ oder Python.

ENPM667 Steuerung von Robotersystemen (3 Credits) | Kern

Dies ist ein Grundkurs zum Entwurf von Steuerungen für Robotersysteme. Der Kurs beginnt mit den Grundprinzipien der linearen Regelung, wobei der Schwerpunkt auf PD- und PID-Strukturen liegt, und erörtert Anwendungen zur unabhängigen gemeinsamen Regelung. Im zweiten Teil des Kurses wird ein physikbasierter Ansatz für den Steuerungsentwurf vorgestellt, der Energie- und Optimierungsprinzipien nutzt, um den Entwurf von Steuerungen in Angriff zu nehmen, die die zugrunde liegende Dynamik von Robotersystemen ausnutzen. Der Kurs endet mit einer Einführung in die Kraftkontrolle und die Grundprinzipien der geometrischen Kontrolle, sofern die Zeit es erlaubt.

ENPM673 Wahrnehmung für autonome Roboter (3 Credits) | Kern

Es werden Bildverarbeitungs- und Computer-Vision-Techniken für mobile Roboter gelehrt. Es werden drei Themen behandelt: Bildverarbeitung (Bildverbesserung, Filterung, erweiterte Kanten und Texturen), 3D-Vision (3D-Geometrie aus Mehrfachansichtsgeometrie, Bewegungsverarbeitung und Stereo) und eine Einführung in die Bildsegmentierung und Objekterkennung. Die Studierenden werden in mehrere bestehende Software-Toolboxen von Vision und Robotics eingeführt und werden mehrere kleinere Projekte in Python umsetzen.

Voraussetzung: Kenntnisse einer Programmiersprache sind erforderlich. Empfohlen: Vertrautheit mit Python.

ENPM690 Roboterlernen (3 Credits) | Wahlfach

Maschinelles Lernen kann verwendet werden, um die Fähigkeiten von Robotersystemen erheblich zu erweitern, und wurde auf eine Vielzahl von Funktionen von Robotersystemen angewendet, darunter Planung, Steuerung und Wahrnehmung. Anpassung und Lernen sind besonders wichtig für die Entwicklung autonomer Robotersysteme, die in dynamischen oder unsicheren Umgebungen agieren müssen. Letztendlich möchten wir, dass die Roboter ihr Wissen erweitern und ihre Leistung verbessern, indem sie lernen, während sie in der Umgebung agieren (online und/oder lebenslanges Lernen). Robot Learning umfasst die Anwendung von Lerntechniken, einschließlich Reinforcement Learning, Learning from Demonstration und Robot Shaping, die mit einer Vielzahl von Paradigmen des maschinellen Lernens verwendet werden können, bei denen Daten verwendet werden, um (durch Induktion) Modelle zu generieren, die dann vom Roboter verwendet werden Aufgaben ausführen. Zur Generierung von Modellen steht eine Vielzahl von Paradigmen zur Verfügung (z. B. CMAC, KNN, MLP, Lazy Learning, LWR, RBF und Deep Networks). Diese Lerntechniken und Paradigmen werden dann mit herkömmlichen Robotersteuerungsansätzen (z. B. Motorschemata, verhaltensbasierten, direkten und inversen Methoden) kombiniert, um Controller zur Steuerung der Roboter während des Betriebs in realen Umgebungen zu erstellen. In diesem Graduiertenkurs wird die Anwendung von Techniken, Paradigmen und Steuerungsdesign des maschinellen Lernens auf Robotersysteme untersucht, wobei der Schwerpunkt hauptsächlich auf wichtigen nützlichen Darstellungen und Modellbildungstechniken für die Anwendung in nichtstationären Robotersystemen liegt.

Früher: ENPM808F.

ENPM692 Fertigung und Automatisierung (3 Credits) | Wahlfach

Dieser Kurs behandelt Fertigungsautomatisierung und Produktrealisierung, digitale Fabriken und disruptive Fertigungstechnologien. Die Rolle der additiven Fertigung, Nachhaltigkeit und Leistungssimulation in ausgewählten Fertigungsszenarien wird neben Automatisierungsstrategien für eine schnelle Produktentwicklung untersucht.

Früher: ENPM808P.

ENPM700 Fortgeschrittene Themen im Ingenieurwesen; Softwareentwicklung für Robotik (3 Credits) | Wahlfach

Da die Robotikbranche weiter wächst und sich weiterentwickelt, wird auch die Rolle der Software in diesen Produkten und Systemen immer wichtiger. Von eingebetteten Steuerungen bis hin zu fortschrittlicher Wahrnehmung und Lernen – Software durchdringt die heutigen Roboter. Aufbauend auf Fachwissen, das in anderen Robotikkursen erworben wurde, vermittelt dieser Kurs die Werkzeuge und Prozesse zur Entwicklung professioneller Qualitätssoftware für eingesetzte Systeme und Produkte. Die Studierenden lernen die Best Practices für die Umsetzung neuer Ideen oder Prototypen kennen und verstehen, was erforderlich ist, um die komplexe Software zu erstellen, die für die heutigen kommerzialisierten Robotersysteme so wichtig ist. Der Kurs ist in zwei Teile gegliedert: Im ersten Teil werden die Programmiersprache C++, Konzepte der objektorientierten Programmierung (OOP), Versionskontrolle, Tests und agile Softwareentwicklungsprozesse behandelt; Im zweiten Teil wird das beliebte Robot Operating System (ROS)-Framework mit intensiven Programmieraufgaben und Projekten vorgestellt. Die Studierenden sollten den Umgang mit Linux beherrschen, mit C/C++ programmieren und die Konzepte der objektorientierten Programmierung verstehen.

ENPM701 Autonome Robotik (3 Credits) | Wahlfach

Dies ist ein praktischer Kurs, der die Grundlagen der autonomen Navigation für Roboterplattformen untersucht. Die Studierenden erforschen Technologien wie Lichterkennung und Entfernungsmessung (Lidar), Radar und Computer Vision im Kontext der autonomen Navigation. In den meisten Kursen führen die Schüler kleine praktische Übungen durch, um ein tieferes Verständnis dafür zu erlangen, wie ein ausgewählter Satz dieser Technologien auf reale Roboterumgebungen angewendet werden kann. Dieser Kurs erfordert den Abschluss eines semesterlangen praktischen Projekts, bei dem das Kursmaterial, die Datenerfassung und -verarbeitung sowie die Navigationssteuerung eines autonomen Roboters zum Einsatz kommen. Die Studierenden führen diese Arbeit in 1-3er-Teams durch, die das ganze Semester über zusammenbleiben. Konkrete Projektdetails werden in der Vorlesung bekannt gegeben.

ENPM702 Einführung in die Roboterprogrammierung (3 Credits) | Wahlfach

Dieser praktische Kurs führt die Schüler in die Roboterprogrammierung ein. Dieser Kurs richtet sich speziell an Studierende, die in ihrem vorherigen Studium kaum oder gar keine Programmiererfahrung hatten, um sie auf andere ENPM-Robotikkurse vorzubereiten, die Programmiererfahrung erfordern. Dieser Kurs konzentriert sich auf die C++-Programmierung und bietet eine sehr kurze Einführung in Linux und das Robot Operating System (ROS). Es werden kleine Projekte vergeben, damit die Schüler das im Unterricht Gelernte anwenden können.

Online-Programme

Nr. 6 Online-Graduierten-Ingenieurprogramme – US-Nachrichten und Weltbericht Beste Online-Graduierten-Ingenieurprogramme

US-Graduiertenprogramme

#19 Graduate Engineering – US News and World Report 2023 Beste Ingenieurstudiengänge

Spezialitäten:

• #15 Luft- und Raumfahrttechnik
• #16 Elektrotechnik; #15 Computertechnik
• #17 Maschinenbau

Unternehmerrankings

• #7 Bachelor-Programm
• #18 Graduiertenprogramm

„Die 50 besten Schulen für Unternehmertumsprogramme“ von Princeton Review