Intelligenta autonoma system
Intelligent Autonomous Systems

EDAP20F, 7.5 högskolepoäng

Gäller från och med: Höstterminen 2025
Beslutad av: Maria Sandsten
Datum för fastställande: 2025-04-07

Allmänna uppgifter

Avdelning: Datavetenskap (LTH)
Kurstyp: Gemensam kurs, avancerad nivå och forskarnivå
Kursen ges även på avancerad nivå med kurskod: EDAP20
Undervisningsspråk: Engelska

Syfte

Att ge en introduktion till flera delområden inom intelligenta autonoma system och robotik, och att orientera om grundläggande metoder och algoritmer tillgängliga inom dessa områden. Att förmedla kunskap om bredd och djup inom domänen.

Mål

Kunskap och förståelse

För godkänd kurs skall doktoranden

• visa grundläggande kunskaper om teori och metoder relaterade till följande underdomäner:
• integration av kunskap på hög nivå med avkänning, resonemang och manövrering
• robotplanering på beteendemässig nivå och på aktiveringsnivå
• robotinlärning och kalibrering
• robotseende
• robot skills
• människa-robot-interaktion, etiska överväganden
• robotarkitekturer för autonoma system som stödjer intelligent beslutsfattande

Färdighet och förmåga

För godkänd kurs skall doktoranden

• utföra ett antal problembaserade uppgifter för att:
• utvärdera tillvägagångssätten i relevanta scenarier
• använda relevanta metoder
• se över metoderna och anpassa de i relevant scenario

Värderingsförmåga och förhållningssätt

För godkänd kurs skall doktoranden

• kunna bedöma lämpligheten för en given metod för intelligent robotik för ett givet problem,
• förstå begränsningarna i tillämpningen av metoder för intelligent robotik

Kursinnehåll

Trelagersarkitektur, Perception Action Cycle, Robotarkitekturer, omvärldsmodeller Robot Perception: Robot vision, 3D perception, sensorer, 3D pose estimation SLAM, resonemang under osäkerhet, MAP-Slam Manövrering: generiskt problem, navigering för mobila robotar, banplanering för armen, parkering, autonom bil (icke-holonomiska begränsningar för komplicerad rörelseplanering), flyger drönare, plockning + placering som två exempel Plockning: segmentering av bordet, objekt poserar + grepp poser, gripdon Placering: Kraftbaserad interaktion, styrning under osäkerhet, visual servering, iTasC, compliance Färdigheter, resonemang och planering: Färdigheter, världskunskap, planering

Kurslitteratur

Jag kommer inte att använda en specifik bok. Jag tillhandahåller utvalda bokkapitel som stöd för de olika ämnena, och det tillhandahållna föreläsningsmaterialet är komplett för kursen.

Kursens undervisningsformer

Undervisningsformer: Föreläsningar, laborationer, övningar

Kursens examination

Examinationsform: Skriftlig tentamen
Betygsskala: Underkänd, godkänd
Examinator:

Antagningsuppgifter

Förkunskapskrav: Inga krav. Det antas att doktorander som har anställts för ett robotikprojekt kommer att medföra alla nödvändiga krav.
Förutsatta förkunskaper: erfarenhet med python
Urvalskriterier: ingen, öppet för alla doktorander inom robotik

Övrig information

inga

Kurstillfällesinformation

Kontaktinformation och övrigt

Kursansvariga:
Hemsida: https://cs.lth.se/edap20/