Kursplan
AI-baserade sökmetoder för mobila robotar, 3 högskolepoäng
AI Search Methods for Mobile Robots, 3 Credits
Kurskod: | DT106U | Högskolepoäng: | 3 |
---|---|---|---|
Huvudområde: | Datateknik | Fördjupning: | AXX |
Senast ändrad: | 2019-06-04 | ||
Utbildningsnivå: | Avancerad nivå | Beslutad av: | Prefekt |
Inrättad: | 2019-06-04 | Litteraturlista fastställd: | 2019-06-04 |
Giltig fr.o.m.: | Höstterminen 2019 | Revision: | 1 |
Mål
Mål för utbildning på avancerad nivå
Utbildning på avancerad nivå ska innebära fördjupning av kunskaper, färdigheter och förmågor i förhållande till utbildning på grundnivå och ska, utöver vad som gäller för utbildning på grundnivå,
- ytterligare utveckla studenternas förmåga att självständigt integrera och använda kunskaper,
- utveckla studenternas förmåga att hantera komplexa företeelser, frågeställningar och situationer, och
- utveckla studenternas förutsättningar för yrkesverksamhet som ställer stora krav på självständighet eller för forsknings- och utvecklingsarbete.
(1 kap. 9 § högskolelagen)
Kursens mål
Kunskap och förståelse
Efter avslutad kurs ska studenten ha kunskaper om tre avancerade AI-tillämpningar, nämligen resursschemaläggning, planering för robotar som hanterar föremål, och koordination av flera robotar. Studenten ska förstå de beräkningsmässiga flaskhalsarna hos olika algoritmer, och ska ha en djupare förståelse av begränsningarna hos moderna metoder.
Färdigheter och förmåga
Efter avslutad kurs ska studenten kunna formulera verkliga problem som sökproblem, och skissa metoder för att lösa dem baserade på heuristiska, urvalsbaserade och begränsande sökalgoritmer. Studenten ska kunna utveckla lösningar för särskilda tillämpningar med industriell relevans, så som schemaläggning, rörelseplanering för robotar och koordinering av autonoma fordonsflottor.
Värderingsförmåga och förhållningssätt
Efter avslutad kurs ska studenten kunna bedöma hur en viss metod för automatiska resonemang lämpar sig för ett givet problem och visa förståelse för möjligheter och begränsningar hos algoritmerna i fråga. Dessutom ska studenten förstå hur problemets struktur förhåller sig till beräkningskostnaderna.
Kursens huvudsakliga innehåll
- Översikt av systematiska och lokala sökmetoder.
- Introduktion till begränsningsresonemang, tillbakagående sökning, k-konsistens.
- Temporala begränsningsresonemang, schemaläggning med begränsningsresonemang.
- Gitter- och stickprovsbaserade algoritmer för rörelseplanering för robotar.
- Moderna metoder för multirobot-rörelseplanering, koordinering och styrning.
Studieformer
Kursen ges i form av föreläsningar och praktiskt projektarbete. Tre föreläsningar kräver fysisk närvaro i Örebro, och resten kommer att ges på distans. Det praktiska projektarbetet handlar om att använda moderna verktyg för schemaläggning, rörelseplanering eller multi-robot-koordinering. Verktygen förklaras av lärarna vid föreläsningarna, och studenten ska välja ett verktyg för sitt projekt.
Examinationsformer
Övningar, 1,5 högskolepoäng (Provkod: A001)
Examination sker genom skriftliga inlämningsuppgifter.
Presentation på seminarium, 1,5 högskolepoäng (Provkod: A002)
Examination sker genom presentation på seminarium.
För ytterligare information se universitetets regler för examination inom utbildning på grundnivå och avancerad nivå.
Betyg
Enligt föreskrifter om betygssystem för utbildning på grundnivå och avancerad nivå (rektors beslut 2019-01-15, ORU 2019/00107) ska som betyg användas något av uttrycken underkänd, godkänd eller väl godkänd. Rektor eller den rektor bestämmer får besluta om undantag från denna bestämmelse för en viss kurs om det finns särskilda skäl.
Som betyg på kursen används Underkänd (U) eller Godkänd (G).
Övningar
Som betyg används Underkänd (U) eller Godkänd (G).
Presentation på seminarium
Som betyg används Underkänd (U) eller Godkänd (G).
För ytterligare information se universitetets regler för examination inom utbildning på grundnivå och avancerad nivå.
Kommentar till betyg
Avsteg från U-VG-betygsskalan
Enligt rektorsbeslut RB CF 55-135/2009 medges avsteg från den tregradiga betygsskalan för uppdragsutbildningskurser.
Övriga föreskrifter
Kursen ges på engelska.
Kurslitteratur och övriga läromedel
Referenslitteratur
Dechter, Rina (2003)
Constraint Processing The Morgan Kaufmann Series in Artificial Intelligence
Elsevier Science, ISBN: 0080502954, 9780080502953, 480 sidor
LaValle, Steven (2006)
Planning algorithms
Cambridge university press, ISBN 978-0-521-86205-9, 831 sidor
Russell, Stuart, Norvig, Peter (2010)
Artificial Intelligence, A modern Approach Prentice Hall
Prentice Hall, ISBN: 0136042597, 9780136042594, 1132 sidor
Ytterligare material (forskningsartiklar) delas ut under kursens gång.