AI-robotik, 6 hp

AI Robotics, 6 credits

TDDE05

Kursstart

Huvudområde

Datateknik Datavetenskap

Utbildningsnivå

Avancerad nivå

Kurstyp

Programkurs

Examinator

Cyrille Berger

Studierektor eller motsvarande

Peter Dalenius

Undervisningstid

Preliminär schemalagd tid: 0 h
Rekommenderad självstudietid: 160 h

Tillgänglig för utbytesstudenter

Information om möjliga avsteg från kursplan/utbildningsplan

VOF = Valbar / Obligatorisk / Frivillig

Kursen ges för		Termin	Period	Block	Språk	Ort/Campus	VOF
6CDDD	Civilingenjör i datateknik	8 (VT 2018)	1, 2	4, 4	Engelska	Linköping, Valla	V
6CDDD	Civilingenjör i datateknik (AI och maskininlärning)	8 (VT 2018)	1, 2	4, 4	Engelska	Linköping, Valla	V
6CITE	Civilingenjör i informationsteknologi	8 (VT 2018)	1, 2	4, 4	Engelska	Linköping, Valla	V
6CITE	Civilingenjör i informationsteknologi (AI och maskininlärning)	8 (VT 2018)	1, 2	4, 4	Engelska	Linköping, Valla	V
6CMJU	Civilingenjör i mjukvaruteknik	8 (VT 2018)	1, 2	4, 4	Engelska	Linköping, Valla	V
6CMJU	Civilingenjör i mjukvaruteknik (AI och maskininlärning)	8 (VT 2018)	1, 2	4, 4	Engelska	Linköping, Valla	V
6MICS	Computer Science, masterprogram	2 (VT 2018)	1, 2	4, 4	Engelska	Linköping, Valla	V
6MICS	Computer Science, masterprogram (Artificiell intelligens och data mining)	2 (VT 2018)	1, 2	4, 4	Engelska	Linköping, Valla	V
6MDAV	Datavetenskap, masterprogram	2 (VT 2018)	1, 2	4, 4	Engelska	Linköping, Valla	V

Huvudområde

Datateknik, Datavetenskap

Utbildningsnivå

Avancerad nivå

Fördjupningsnivå

A1X

Kursen ges för

Civilingenjör i datateknik
Civilingenjör i informationsteknologi
Civilingenjör i mjukvaruteknik
Datavetenskap, masterprogram
Computer Science, masterprogram

Förkunskapskrav

OBS! Tillträdeskrav för icke programstudenter omfattar vanligen också tillträdeskrav för programmet och ev. tröskelkrav för progression inom programmet, eller motsvarande.

Rekommenderade förkunskaper

En introducerande kurs i artificiell intelligens, objektorienterad programmering (företrädelseveis i C++ eller Python)

Lärandemål

Målet med kursen är att ge en översikt över användandet av artificiell intelligens (AI) för robotiksystem genom användandet av simulerade robotar, faktiskt hårdvara och vanligen använda mjukvarusystem, så som Robot Operating System (ROS). Kursens huvudfokus ligger på att lära sig de olika komponenterna som utgör roboten: perception, kontroll och överväganden interagerar med varandra och skapar ett autonomt system. Kursen kommer att lägga tyngdpunkten på hur sådana system fattar beslut för att nå sina mål.
Efter kursen ska studenten kunna:

lista och förklara viktiga problem och tekniker inom området AI-robotik
använda existerande ramverk för att utveckla en autonom robot
designa, implementera och utvärdera de algoritmer som krävs för att erbjuda autonom funktionalitet för en robot i en simulerad omgivning
överföra simulerade test till en faktisk hårdvara
skriftligen och muntligen presentera sitt arbete

Kursinnehåll

Perception och tolkning av scener
Navigation: Lokalisering och planering
Autonomi och olika nivåer av autonomi
Kontroll och beslutsfattande
Beteendebaserad robotik
Robotprogrammering
Reaktiva, deliberativa och hybridrobotarkitekturer
Interaktion mellan människa och robot

Undervisnings- och arbetsformer

Genom en labbserie som omfattar ungefär en månad utvecklar och integrerar studenterna grundläggande robotfunktionalitet så att systemet i slutändan kan röra sig, undvika hinder och fatta enklare beslut. Systemet kommer sedan att förbättras under projektfasen. Varje student väljer ett ämne relaterat till AI-robotik (från en lista av utvalda ämnen), implementerar och utvärderar en algoritm och skriver sedan en rapport som inkluderar en beskrivning av algoritmen. Studenterna förväntas presentera det individuella arbetet under ett seminarium. Under ett gruppseminarium presenteras även robotiksystemet. Under laborationerna demonstrerar studenterna för assistenterna robotens funktionalitet. Studenterna arbetar i grupper om 5-6 personer.
Kursen pågår hela vårterminen.

Examination

PRA1	Projekt	4 hp	U, 3, 4, 5
LAB1	Laboration	2 hp	U, G

Betygsskala

Fyrgradig skala, LiU, U, 3, 4, 5

Övrig information

Påbyggnadskurser:
Automatisk planering, Sensor Fusion, datorseende, kontrollteori, multiagentsystem

Om undervisningsspråk

Undervisningsspråk visas på respektive kurstillfälle på fliken "Översikt".

Observera att även om undervisningsspråk är svenska kan delar av kursen ges på engelska.
Om undervisningsspråk är Svenska/Engelska kan kursen i sin helhet ges på engelska vid behov.
Om undervisningsspråk är Engelska ges kursen i sin helhet på engelska.

Övrigt

Kursen bedrivs på ett sådant sätt att både mäns och kvinnors erfarenhet och kunskaper synliggörs och utvecklas.

Planering och genomförande av kurs skall utgå från kursplanens formuleringar. Den kursvärdering som ingår i kursen skall därför genomföras med kursplanen som utgångspunkt.

Institution

Institutionen för datavetenskap

Studierektor eller motsvarande

Peter Dalenius

Examinator

Cyrille Berger

Undervisningstid

Preliminär schemalagd tid: 0 h
Rekommenderad självstudietid: 160 h

Kod	Benämning	Omfattning	Betygsskala
PRA1	Projekt	4 hp	U, 3, 4, 5
LAB1	Laboration	2 hp	U, G

Rättigheter och skyldigheter som student (inloggning krävs)
Linköpings universitets generella regelverk

Det finns ingen kurslitteratur tillgänglig på studieinfo för den här kursen.

I = Introducera, U = Undervisa, A = Använda

		I	U	A	Moduler	Kommentar
1. ÄMNESKUNSKAPER
	1.1 Kunskaper i grundläggande (motsvarande G1X) matematiska och naturvetenskapliga ämnen
	1.2 Kunskaper i grundläggande (motsvarande G1X) teknikvetenskapliga ämnen
	1.3 Fördjupade kunskaper (motsvarande G2X), metoder och verktyg inom något/några teknik- och naturvetenskapliga ämnen
	1.4 Väsentligt fördjupade kunskaper (motsvarande A1X), metoder och verktyg inom något/några teknik- och naturvetenskapliga ämnen
	1.5 Insikt i aktuellt forsknings- och utvecklingsarbete
2. INDIVIDUELLA OCH YRKESMÄSSIGA FÄRDIGHETER OCH FÖRHÅLLNINGSSÄTT
	2.1 Analytiskt tänkande och problemlösning
	2.2 Experimenterande och undersökande arbetssätt samt kunskapsbildning
	2.3 Systemtänkande
	2.4 Förhållningssätt, tänkande och lärande
	2.5 Etik, likabehandling och ansvarstagande
3. FÖRMÅGA ATT ARBETA I GRUPP OCH ATT KOMMUNICERA
	3.1 Arbete i grupp
	3.2 Kommunikation
	3.3 Kommunikation på främmande språk
4. PLANERING, UTVECKLING, REALISERING OCH DRIFT AV TEKNISKA PRODUKTER OCH SYSTEM MED HÄNSYN TILL AFFÄRSMÄSSIGA OCH SAMHÄLLELIGA BEHOV OCH KRAV
	4.1 Samhälleliga villkor, inklusive ekonomiskt, socialt och ekologiskt hållbar utveckling
	4.2 Företags- och affärsmässiga villkor
	4.3 Att identifiera behov samt strukturera och planera utveckling av produkter och system
	4.4 Att konstruera produkter och system
	4.5 Att realisera produkter och system
	4.6 Att ta i drift och använda produkter och system
5. PLANERING, GENOMFÖRANDE OCH PRESENTATION AV FORSKNINGS- ELLER UTVECKLINGSPROJEKT MED HÄNSYN TILL VETENSKAPLIGA OCH SAMHÄLLELIGA BEHOV OCH KRAV
	5.1 Samhälleliga villkor, inklusive ekonomiskt, socialt och ekologiskt hållbar utveckling för kunskapsutveckling
	5.2 Ekonomiska villkor för kunskapsutveckling
	5.3 Att identifiera behov samt strukturera och planera forsknings- eller utvecklingsprojekt
	5.4 Att genomföra forsknings- eller utvecklingsprojekt
	5.5 Att redovisa och utvärdera forsknings- eller utvecklingsprojekt

Denna flik innehåller det material som är publikt i Lisam. Den information som publiceras här är inte juridiskt bindande, sådant material hittar du under övriga flikar på denna sida.

Det finns inga filer att visa.